改進微分進化和小波神經網絡的網絡流量預測

摘要：針對網絡流量的非線性和復雜性等特性以及傳統網絡流量預測模型精準度低的缺點,提出自適應微分進化算法(ADE)優化小波神經網絡(WNN)的短期網絡流量預測方法。以小波神經網絡為基礎,在神經網絡訓練過程中增加動量項,采用自適應微分進化算法優化小波神經網絡原有的初始化參數的過程,有效解決小波神經網絡中傳統梯度下降算法易陷入局部極小解和對初始值敏感的缺陷,提高學習精度和收斂速度。仿真結果表明,相比對比模型,該方法具有良好的準確性、收斂性以及穩定性,是一種有效可靠的短期網絡流量預測方法。