文献类型：期刊文章

作　　者：张志宏[1] 刘传领[1]

ZHANG Zhihong;LIU Chuanling(School of Information Technology,Shangqiu Normal University,Shangqiu 476000,Henan Province,China)

机构地区：[1]商丘师范学院信息技术学院,河南商丘476000

出　　处：《吉林大学学报（理学版）》

基　　金：河南省科技厅基础前沿项目(批准号:122300410373)。

年　　份：2021

卷　　号：59

期　　号：3

起止页码：619-626

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

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  

分 类 号：TP273]