基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的混合網(wǎng)絡(luò)流量預(yù)測(cè)模型仿真與實(shí)現(xiàn).pdf

1、現(xiàn)代社會(huì)網(wǎng)絡(luò)在信息化社會(huì)中具有越來(lái)越重要的作用。通過(guò)互聯(lián)網(wǎng)可以進(jìn)行高效率的通信與溝通，這些技術(shù)的使用與推廣提高了人們的生活質(zhì)量，同時(shí)也促使了諸如數(shù)學(xué)、信息學(xué)等科學(xué)領(lǐng)域的進(jìn)一步發(fā)展。伴隨越來(lái)越多基站建設(shè)，網(wǎng)絡(luò)網(wǎng)點(diǎn)的提供，網(wǎng)絡(luò)規(guī)模與日俱增，這同時(shí)促使網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜。對(duì)于網(wǎng)絡(luò)流量的模型、特征、可靠性等研究有著越來(lái)越高的需求，研究結(jié)果將有益于網(wǎng)絡(luò)工程、網(wǎng)絡(luò)安全、網(wǎng)絡(luò)服務(wù)等應(yīng)用領(lǐng)域的各類問(wèn)題。本文針對(duì)網(wǎng)絡(luò)流量特性基于優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的混合模

2、型方法對(duì)網(wǎng)絡(luò)流量進(jìn)行了分析。主要工作及貢獻(xiàn)可以總結(jié)如下:
　　a)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)集進(jìn)行了研究，通過(guò)分析數(shù)據(jù)的混沌特性，驗(yàn)證了網(wǎng)絡(luò)流量的混沌特性。
　　b)對(duì)時(shí)間序列預(yù)測(cè)方法進(jìn)行了調(diào)研，研究了傳統(tǒng)時(shí)間序列分析、混沌時(shí)間序列分析的方法，并重點(diǎn)研究了自回歸滑動(dòng)平均模型。該模型在網(wǎng)絡(luò)流量預(yù)測(cè)中存在一定缺陷，需要可靠性、精確性更高的預(yù)測(cè)模型。
　　c)通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)、小波變換理論和量子遺傳算法的研究，提出一種基于量子遺傳算法

3、高效的全局搜索能力之上的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。該方法結(jié)合了小波變換對(duì)數(shù)據(jù)的處理，保留了人工神經(jīng)網(wǎng)絡(luò)良好的魯棒性和非線性處理能力，基于優(yōu)化神經(jīng)網(wǎng)絡(luò)對(duì)混合網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè)，該預(yù)測(cè)模型被命名為量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型。
　　d)運(yùn)用量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行了單步、多步預(yù)測(cè)并對(duì)預(yù)測(cè)結(jié)果進(jìn)行了評(píng)估。通過(guò)與自回歸滑動(dòng)平均模型預(yù)測(cè)結(jié)果比較，驗(yàn)證了新模型在自適應(yīng)性和準(zhǔn)確率方面的優(yōu)越性。
　　綜上所述，本文所提出的量子遺傳人工神