基于神經(jīng)網(wǎng)絡(luò)的改進(jìn)網(wǎng)絡(luò)流量預(yù)測(cè)算法的研究.pdf

1、實(shí)現(xiàn)網(wǎng)絡(luò)QoS控制對(duì)于網(wǎng)絡(luò)管理及維護(hù)相當(dāng)重要，而網(wǎng)絡(luò)流量預(yù)測(cè)對(duì)于實(shí)現(xiàn)網(wǎng)絡(luò)的QoS控制可以起到十分重要的作用；另外，流量預(yù)測(cè)在入侵檢測(cè)中的應(yīng)用也受到越來越多的關(guān)注。網(wǎng)絡(luò)流量預(yù)測(cè)極具現(xiàn)實(shí)研究意義。 網(wǎng)絡(luò)流量的預(yù)測(cè)要求較高的實(shí)時(shí)性，另外準(zhǔn)確率也是一個(gè)很重要的指標(biāo)。本文基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并引入小波函數(shù)對(duì)其進(jìn)行改進(jìn)，建立了一個(gè)新的網(wǎng)絡(luò)流量預(yù)測(cè)模型；另外針對(duì)幾種神經(jīng)網(wǎng)絡(luò)的不同特點(diǎn)進(jìn)行有效的整合，建立了一個(gè)新的網(wǎng)絡(luò)流量預(yù)測(cè)模型；并對(duì)以上兩

2、種模型寫出了相應(yīng)的算法，仿真試驗(yàn)證明，該模型預(yù)測(cè)誤差低，并且具有普適性。 本文研究的內(nèi)容是對(duì)神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型進(jìn)行改進(jìn)，并設(shè)計(jì)相應(yīng)的預(yù)測(cè)步驟，主要有以下研究成果： 1、在BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的隱含層引入小波函數(shù)作為其傳遞函數(shù)，建立一個(gè)新的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并設(shè)計(jì)了相關(guān)的預(yù)測(cè)算法，提取了真實(shí)的網(wǎng)絡(luò)流量對(duì)該模型進(jìn)行了仿真驗(yàn)證，在保證預(yù)測(cè)精度的前提下，提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，達(dá)到了改進(jìn)的目標(biāo)。 2、針對(duì)線性神經(jīng)