PSO-BP网络在网络流量模拟在线预测中的应用研究.pdfVIP

第 31卷 第 6期 兰 州 交 通 大 学 学 报 Vo1．31No．6 2012年 12月 Journalofl~nzhouJiaotongUniversity Dec．2O12 文章编号：1001—4373(2012)06—0063一O4 PSO-BP网络在网络流量模拟在线预测中的应用研究 赵艳平 ， 张艳华 ， 马 燕 (1|兰州交通大学 电子与信息工程学院，甘肃 兰州 730070；2．西北民族大学 电气工程学院，甘肃 兰州 730030) 摘 要：为了提高计算机网络流量在线预测的精度，根据网络流量的时变、非线性特点，利用人工神经网络在非线 性建模方面的优势建立了一个时间相关的神经网络预测模型．给出了相应的模拟在线神经网络预测模型结构，详 细分析了改进的PSO算法在神经网络权值学习中的应用，并对实际的网络流量数据进行 了仿真分析．Matlab仿真 结果表明：该模型具有较好的预测效果，相对于BP神经网络模型具有更快的收敛速度和更好的自适应性． 关键词：网络流量；人工神经网络；时间序列；粒子群优化；预测 中图分类号：TP393 文献标志码：A 网络流量是反映网络用户活动的重要载体，网 神经网络连接权值．最后基于该预测模型采用滚动 络流量预测可以为网络带宽分配、流量控制、安全管 计算的方法对来源于流量文库的数据进行了预测． 理等提供有效依据[1]．随着网络规模的日趋庞大，网 1 数学描述 络拓扑结构渐趋复杂，网络性能和服务质量方面的 问题也 日益突出，在网络资源有限的情况下，建立合 本质上来说，网络流量数据是一种时间序列数 理的网络流量预测模型，并根据预测结果及时做出 据，对于已知的流量数据时间序列来说，当设定流量 控制决策或调整措施，可以有效地避免网络拥塞，还 预测模型的阶数为m时，根据实际测得的前m次流 可以发现网络蠕虫、SYN攻击等异常行为，对网络 量数据和相应的时间序列号预测 t+ 1时刻的流量 性能分析和网络规划均具有重要的意义，因此对网 值．即找到函数 ^(·)，使满足式(1)． 络流量的预测是 目前研究的一个热点问题[2]． u(t+ 1)一h(U(￡)，T)= ^(“(￡)，…，u(t—m+ 而 自回归 (AR)、自回归滑动平均 (ARMA)等 1)，t，… ，t一 lit+ 1) (1) 线性预测模型的适应性较差，FARIMA模型计算量 为了找到期望的非线性函数 ^(·)，根据 已知的 较大r5]，同时由于神经网络具有 自学习能力和 良好 测量值及时间序列号构造出N个 (N 1)方程组来 的非线性逼近能力，因而被广泛用于各种预测控制 拟合该函数 ^(·)．即输人系数依次为Un一 [“(￡一 中[6]．目前 BP网络是应用最广泛和成功的神经网 )，…，“(￡一 +1一 )，一 ，…，￡一 +1—72]，相 络，然而BP算法却存在着容易陷人局部极小和收 应的期望输出为Dn—u(t—m+1一九)，其中竹：== 敛速度慢等缺点Is]．PSO是 Eberhart和 Kennedy 1，…，N．找到^(·)后，再用 一[(￡)，…，u(t— 通过对鸟群等简单群体模型的研究提出的一种智能 +1)，t，…，t一1ti+11作为函数的输入系数来计算t 优化算法，具有全局随机搜索最优解的特点和局部 +1时刻 的流量数据 的估计值 ，即 u(t+ 1)一 细致搜索的优势，因此将PSO算法应用于神经网络 ( )[ ． 学习，不仅能发挥神经网络的泛化能力优势，而且能 当构造 出 以上方程 组后可 以通过 AR 或 够提高其