1
网络流量预测是建立在时轴上现在与未来流量间的定量关系。因为网络流量具有自相似性和周期性的特征,所以可以根据过去的、现在已知的或非确定的网络流量历史数据集,建立一个从过去延伸到将来的网络流量预测模型,掌握网络流量动态变化趋势,为异常流量安全监控。网络资源分配规划以及优化网络协议性能提供依据。
传统BP神经网络对网络流量时间序列预测精度低和泛化能力弱。为此,提出一种新的优化BP神经网络的方法。通过小波包分解对网络流量进行多频段序列分解,并采用飞蛾纵横交叉混沌捕焰算法优化的神经网络,对各分解后的子序列进行预测,叠加各子序列的预测值,重构获取实际预测结果。仿真结果表明,与传统BP神经网络预测方法相比,该方法能捕获网络流量的变化规律,具有较好的预测精度、稳定性和泛化能力。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !