10.3969/j.issn.1000-386x.2014.09.026
基于B PS O-RB F神经网络的网络流量预测
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。
网络流量、神经网络、参数优化、预测模型、反向粒子群算法
TP393(计算技术、计算机技术)
国家自然科学基金项目60874070；广东省教育厅项目2010tjk446
2014-10-20（万方平台首次上网日期，不代表论文的发表时间）
共4页
102-105
