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

1、現(xiàn)代社會網(wǎng)絡(luò)在信息化社會中具有越來越重要的作用。通過互聯(lián)網(wǎng)可以進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，同時也促使了諸如數(shù)學、信息學等科學領(lǐng)域的進一步發(fā)展。伴隨越來越多基站建設(shè)，網(wǎng)絡(luò)網(wǎng)點的提供，網(wǎng)絡(luò)規(guī)模與日俱增，這同時促使網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜。對于網(wǎng)絡(luò)流量的模型、特征、可靠性等研究有著越來越高的需求，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)域的各類問題。本文針對網(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、型方法對網(wǎng)絡(luò)流量進行了分析。主要工作及貢獻可以總結(jié)如下:
　　a)對網(wǎng)絡(luò)流量數(shù)據(jù)集進行了研究，通過分析數(shù)據(jù)的混沌特性，驗證了網(wǎng)絡(luò)流量的混沌特性。
　　b)對時間序列預(yù)測方法進行了調(diào)研，研究了傳統(tǒng)時間序列分析、混沌時間序列分析的方法，并重點研究了自回歸滑動平均模型。該模型在網(wǎng)絡(luò)流量預(yù)測中存在一定缺陷，需要可靠性、精確性更高的預(yù)測模型。
　　c)通過對人工神經(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)對混合網(wǎng)絡(luò)流量進行預(yù)測，該預(yù)測模型被命名為量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型。
　　d)運用量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)流量數(shù)據(jù)進行了單步、多步預(yù)測并對預(yù)測結(jié)果進行了評估。通過與自回歸滑動平均模型預(yù)測結(jié)果比較，驗證了新模型在自適應(yīng)性和準確率方面的優(yōu)越性。
　　綜上所述，本文所提出的量子遺傳人工神