遗传算法优化回声状态网络的网络流量预测

发布时间：2017-09-08 17:51

  本文关键词：遗传算法优化回声状态网络的网络流量预测

  更多相关文章： 网络流量 非线性 预测 遗传算法 回声状态网络

【摘要】：网络流量预测是网络拥塞控制与网络管理的一个重要问题.网络流量时间序列具有时变、非线性特征,导致传统时间序列预测方法预测精度比较低,无法建立精确的预测模型.回声状态网络(echo state network,ESN)在非线性混沌系统预测与建模方面有着良好的性能,非常适合网络流量的预测.为了提高网络流量的预测精度,提出一种基于遗传算法(genetic algorithm,GA)优化回声状态网络的网络流量非线性预测方法.首先利用回声状态网络对网络流量进行预测;然后利用遗传算法对回声状态网络预测模型中的储备池参数进行优化,提高预测模型的预测精度.通过中国联合网络通信公司辽宁分公司采集的实际网络流量数据进行了仿真验证.与差分自回归滑动平均模型(auto regressive integrated moving average,ARIMA)、Elman神经网络以及最小二乘支持向量机(least square support vector machine,LSSVM)这3种常见预测模型进行了对比,仿真结果表明提出的方法具有更高的预测精度与更小的预测误差,更能刻画网络流量复杂的变化特点.
【作者单位】： 沈阳工业大学信息科学与工程学院;东北大学信息科学与工程学院;
【关键词】： 网络流量 非线性 预测 遗传算法 回声状态网络
【基金】：国家自然科学基金重点项目(61034005) 辽宁省博士科研启动基金项目(20141070)
【分类号】：TP393.06;TP18
【正文快照】： moving average,ARIMA)、Elman神经网络以及最小二乘支持向量机(least square support vectormachine,LSSVM)这3种常见预测模型进行了对比,仿真结果表明提出的方法具有更高的预测精度与更小的预测误差,更能刻画网络流量复杂的变化特点.网络流量是目前网络管理的一个重要参数,

【参考文献】

中国期刊全文数据库 前5条

1 姜明;吴春明;张e，

本文编号：815451