文献类型：期刊文章

作　　者：张坤[1] 杨艳明[2] 郑伟[1] 高晓红[1]

Zhang Kun;Yang Yanming;Zheng Wei;Gao Xiaohong(School of Mathematics and Statistics, Chuxiong Normal University, Chuxiong Yunnan 675000, China;Information Center, Chuxiong Normal University, Chuxiong Yunnan 675000, China)

机构地区：[1]楚雄师范学院数学与统计学院,云南楚雄 675000 [2]楚雄师范学院信息中心,云南楚雄675000

出　　处：《统计与决策》

基　　金：国家自然科学基金资助项目(11261001)

年　　份：2019

卷　　号：0

期　　号：12

起止页码：68-72

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：为解决网络流量时间序列的预测问题,针对传统模糊神经网络通常使用梯度下降法作为搜索算法容易陷入局部极小值的不足,文章提出了一种量子遗传算法与模糊神经网络相结合的网络流量时间序列预测模型。该算法利用量子遗传算法优化模糊神经网络的权值,对实际采集的网络流量时间序列进行建模。最后,预测结果表明模型具有较好的预测精度和效果。

关 键 词：时间序列 网络流量 量子遗传算法 模糊神经网络

分 类 号：TP391]