基于遗传算法优化小波神经网络的网络流量预测模型研究

发布时间：2023-03-18 15:46

　　随着网络规模的日益庞大和复杂，网络带宽急剧增加，基于网络的互联网服务呈现多样化的发展，这使得互联网的运行机制和行为特征错综复杂，因此，加强网络管理，对网络QoS进行实时的控制和管理成为一个函待解决的问题。然而，实现网络QoS控制需要及时了解和预测网络的运行状况，以便对网络的运行进行控制，这就需要进行网络流量预测。网络流量的精确预测对于提高网络的服务效率和质量及网络安全有着非常重要的意义。 本文针对网络流量预测模型进行了相关研究。论文首先介绍了网络流量的相关特征及对当前网络流量预测模型进行了简单阐述。然后分别对小波变换理论、BP神经网络和遗传算法理论进行了介绍。小波变换理论和BP神经网络构成了小波神经网络，在分析小波神经网络和遗传算法理论的基础上，针对小波神经网络存在收敛速度慢和易陷入局部最优等缺点，将遗传算法引入小波神经网络。采用具有良好全局搜索能力的遗传算法来优化神经网络的权值和阈值，建立了基于遗传算法和小波神经网络的网络流量预测模型。该模型采用小波分解技术把网络流量数据时间序列分解为小波系数和尺度系数，即低频系数和高频系数，将不同频率部分的系数分别单支重构为低频流量分量和高频流量分...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题来源
    1.2 网络流量预测的研究背景和意义
    1.3 网络流量的特征
        1.3.1 自相似与长相关
        1.3.2 多分形
        1.3.3 周期性及混沌性
    1.4 网络流量预测模型的研究现状
    1.5 论文主要工作
    1.6 论文章节安排
第二章 小波变换理论
    2.1 引言
    2.2 小波变换
        2.2.1 连续小波变换
        2.2.2 离散小波变换
        2.2.3 多分辨率分析与Mallat算法
    2.3 本文用到的小波基
    2.4 本章小结
第三章 BP神经网络
    3.1 引言
    3.2 神经网络的基本理论
    3.3 BP神经网络
        3.3.1 BP神经网络概述
        3.3.2 BP神经网络的结构
        3.3.3 BP神经网络学习算法及其特征
        3.3.4 BP神经网络的主要特点以及改进
    3.4 本章小结
第四章 遗传算法
    4.1 引言
    4.2 遗传算法概念及特点
        4.2.1 遗传算法概念
        4.2.2 遗传算法的特征
    4.3 遗传算法理论基础
        4.3.1 模式定理
        4.3.2 积木块假设
    4.4 遗传算法基本要素及流程
        4.4.1 遗传算法基本要素
        4.4.2 遗传算法的基本流程及实现
    4.5 本章小结
第五章 基于遗传算法优化小波神经网络模型
    5.1 WGANN模型的理论基础
        5.1.1 小波神经网络的理论及不足
        5.1.2 遗传算法优化WNN
    5.2 WGANN模型流程图
    5.3 本章小结
第六章 模型仿真与结果分析
    6.1 引言
    6.2 预测性能评价标准
    6.3 WGANN预测模型的仿真实验
        6.3.1 流量数据序列的预处理
        6.3.2 WGANN模型参数的选取
        6.3.3 WGANN模型关键代码实现
    6.4 实验结果及分析
        6.4.1 WGANN模型
        6.4.2 WNN模型
    6.5 本章小结
第七章 总结与展望
    7.1 工作总结
    7.2 工作展望
致谢
参考文献
研究成果



本文编号：3763414