基于灰狼算法优化深度学习网络的网络流量预测

摘要：

针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引入灰狼算法快速搜索到全局最优深度学习网络的相关参数,并根据最优参数对预处理后的网络流量历史数据进行学习,建立能挖掘网络流量历史数据变化规律的预测模型;最后,与其他算法优化深度学习网络的网络流量预测模型进行对比分析.实验结果表明,基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90％,远高于其他对比模型,且预测建模过程的建模时间少于对比模型,可满足网络流量管理的高精度和实时性要求.

关键词：现代网络、改进灰狼算法、相空间重构、历史样本数据、深度学习网络、全局最优参数

所属期刊栏目：59

分类号：TP273(自动化技术及设备)

资助基金：河南省科技厅基础与前沿项目122300410373

在线出版日期：2021-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：619-626