基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測模型研究.pdf

1、隨著網(wǎng)絡(luò)規(guī)模的日益龐大和復雜，網(wǎng)絡(luò)帶寬急劇增加，基于網(wǎng)絡(luò)的互聯(lián)網(wǎng)服務(wù)呈現(xiàn)多樣化的發(fā)展，這使得互聯(lián)網(wǎng)的運行機制和行為特征錯綜復雜，因此，加強網(wǎng)絡(luò)管理，對網(wǎng)絡(luò)QoS進行實時的控制和管理成為一個函待解決的問題。然而，實現(xiàn)網(wǎng)絡(luò)QoS控制需要及時了解和預測網(wǎng)絡(luò)的運行狀況，以便對網(wǎng)絡(luò)的運行進行控制，這就需要進行網(wǎng)絡(luò)流量預測。網(wǎng)絡(luò)流量的精確預測對于提高網(wǎng)絡(luò)的服務(wù)效率和質(zhì)量及網(wǎng)絡(luò)安全有著非常重要的意義。
　　本文針對網(wǎng)絡(luò)流量預測模型進行了相關(guān)研究

2、。論文首先介紹了網(wǎng)絡(luò)流量的相關(guān)特征及對當前網(wǎng)絡(luò)流量預測模型進行了簡單闡述。然后分別對小波變換理論、BP神經(jīng)網(wǎng)絡(luò)和遺傳算法理論進行了介紹。小波變換理論和BP神經(jīng)網(wǎng)絡(luò)構(gòu)成了小波神經(jīng)網(wǎng)絡(luò)，在分析小波神經(jīng)網(wǎng)絡(luò)和遺傳算法理論的基礎(chǔ)上，針對小波神經(jīng)網(wǎng)絡(luò)存在收斂速度慢和易陷入局部最優(yōu)等缺點，將遺傳算法引入小波神經(jīng)網(wǎng)絡(luò)。采用具有良好全局搜索能力的遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，建立了基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測模型。該模型采用小波分解技

3、術(shù)把網(wǎng)絡(luò)流量數(shù)據(jù)時間序列分解為小波系數(shù)和尺度系數(shù)，即低頻系數(shù)和高頻系數(shù)，將不同頻率部分的系數(shù)分別單支重構(gòu)為低頻流量分量和高頻流量分量，然后用遺傳算法優(yōu)化過的BP神經(jīng)網(wǎng)絡(luò)訓練后進行預測，得到不同頻率部分的預測分量，最后，將它們的合成作為對原始網(wǎng)絡(luò)流量的預測結(jié)果，同時與現(xiàn)有的小波神經(jīng)網(wǎng)絡(luò)模型的預測性能進行比較分析。
　　在上述理論分析的基礎(chǔ)上，對選定的網(wǎng)絡(luò)流量數(shù)據(jù)進行仿真預測實驗。實驗結(jié)果表明本文提出的新的預測模型能夠提高小波神經(jīng)網(wǎng)絡(luò)