新型Elman混沌神经网络的流量预测  

Traffic Prediction of New Chaotic Elman Neural Network

作　　者：党小超[1] 郝占军[2,3] 门健[4] 

机构地区：[1]西北师范大学网络教育学院,兰州730070 [2]西北师范大学数学与信息科学学院,兰州730070 [3]西京学院工程技术系,西安710123 [4]空军工程大学电讯工程学院,西安710077

出　　处：《计算机工程》2011年第3期172-174,共3页Computer Engineering

基　　金：甘肃省科技支撑计划基金资助项目"电子政务中的网络行为监控预警管理系统"(090GKCA075)

摘　　要：根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。实验结果表明,该模型及其算法有效提高了网络的训练速度及网络流量的预测精度。According to a large amount of network traffic data collected from the actual network, this paper proposes a new modified Elman neural network named Season＇,d Input Muhilayer Feedback Elman（SIMF Elman）. Chaos searching is introduced into model training and uses the ergodicity of the Tent map to search the chaotic variables. Thus the data redundancy is reduced and local optimum problem is solved. Experimental results show that new model and strategy can improve the network training speed and forecast accuracy of network traffic.

关 键 词：改进型Elman神经网络 网络流量 混沌搜索 网络流量预测 TENT映射 

分 类 号：TP393.02[自动化与计算机技术—计算机应用技术]