粒子群算法优化相空间重构参数的网络流量预测模型
来源：计算机测量与控制杂志2014年第9期北京时间：
作者：曾伟,黄亮
摘要：在网络流量预测过程中,相空间重构参数是影响预测性能的重要方面,传统参数分开优化,为了提高网络流量的预测精度,提出一种粒子群算法优化相空间重构参数的网络流量预测模型(PSO-BPNN);首先将BP神经网络作为学习算法,然后采用粒子群算法对相空间重构参数—延迟时间和嵌入维进行联合优化,并重构网络流量序列,最后以小波BP神经网络建立最优络流量预测模型,并采用仿真实验对模型性能进行分析,结果表明,PSO-BPNN提高了网络流量的预测精度。
关键词：网络流量;相空间重构;粒子群算法;嵌入维;延迟时间
基金资助：江西省教育厅青年基金项目(GJJ13704)。
