文献类型：期刊文章

作　　者：王雪松[1] 梁昔明[2]

机构地区：[1]佛山职业技术学院电子信息系,广东佛山528137 [2]北京建筑工程学院理学院,北京100044

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(60874070);广东省教育厅项目(2010tjk446)

年　　份：2014

卷　　号：31

期　　号：9

起止页码：102-105

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、ZGKJHX、核心刊

摘　　要：为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络流量预测模型,最后采用仿真实验对模型性能进行分析。结果表明,BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势,网络流量预测精度得以提高,具有较好的实际应用价值。

关 键 词：网络流量 神经网络 参数优化 预测模型  反向粒子群算法  

分 类 号：TP393]