基于BPSO-RBF神经网络的网络流量预测  

NETWORK TRAFFIC PREDICTION MODEL BASED ON BPSO-RBFNN

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》2014年第9期102-105,共4页Computer Applications and Software

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

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。In order to improve the prediction accuracy of network traffic,in this paper we propose a network traffic prediction model（BPSO-RBFNN）,which is based on neural network optimised by the opposition-based learning particle swarm optimisation.First,we inputthe network traffic sample to RBF neural network for learning,and introduce particle swarm optimisation of opposition-based learningmechanism to optimise the parameters,then we build network traffic prediction model,and finally use simulation experiment to analysemodel’s performance.Results show that the BPSO-RBFNN can describe the variation trend of time-varying property and chaotic property ofthe network traffic,and the prediction accuracy of network traffic can be improved,it has higher practical application value.

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[自动化与计算机技术—计算机应用技术]