基于PSO-Elman模型的网络流量预测

摘要：

针对网络流量的混沌性特点以及传统神经网络处理网络流量预测问题易陷入局部极小导致预测精度不高的问题,提出在相空间重构基础上,采用粒子群算法(PSO)优化Elman神经网络初始参数的网络流量预测模型.首先对网络流量时间序列进行相空间重构,将重构后的流量序列作为模型的输入;再利用PSO算法全局搜索能力对Elman神经网络初始参数进行优化;最后利用训练好的Elman神经网络对网络流量进行预测.仿真结果表明,相比其他流量预测方法,基于PSO-Elman模型的网络流量预测提高了预测准确率.

关键词：相空间重构、粒子群算法、Elman神经网络、混沌时间序列、网络流量预测、参数优化

所属期刊栏目：42

分类号：TN98-34;TP393

资助基金：国家自然科学基金61601467,U1533104;民航科技项目MHRD20140205,MHRD20150233;民航安全能力建设项目PDSA008;中央高校基本科研业务费中国民航大学专项3122013Z008,3122013C004,3122015D025;中国民航大学科研启动项目2013QD24X

在线出版日期：2019-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：82-86