基于结构优化递归神经网络的网络流量预测

摘要：

针对传统方法预测网络流量精度较低的问题，提出了一种基于改进双线性递归神经网络模型（BLRNN ）的非线性网络流量预测方法。首先，给出了双线性递归神经网络的定义及网络结构描述；然后从网络结构和修剪过程两方面对双线性递归神经网络进行优化改进，采用遗传算法全局搜索进行修剪；最后，通过真实工况下的网络流量数据用仿真试验对模型性能进行分析。试验结果表明，优化后双线性递归神经网络模型大幅降低了算法复杂度，提高了计算效率，与传统的多层神经网络预测方法相比，该方法预测精度更高。同时，该方法也为其他具有相似特征的非线性预测问题提供了一种新的研究思路。

关键词：神经网络、结构优化、遗传算法、网络流量预测、剪枝优化算法

分类号：TN915

资助基金：广东省科技计划项目2014A010103032，2014A010103002；广东省产学研专项资金项目2013B011301003；东莞市产学研合作项目2014509102211．

在线出版日期：2016-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：149-154