和声搜索算法优化支持向量机的网络流量预测.pdf

MicrocomputerApplicationsVo1．33，No．1，2017 开发应用 微型 电脑应用 2017年 第 33卷第 1期 文章编号 ：1007—757X(2017)01—0067—04 和声搜索算法优化支持向量机的网络流量预测 丁春莉 ， 李林森 (陕西交通职业技术学院，西安 710021) 摘 要 ：网络流量受到外界因素作用 ，具有复杂 的变化规律 ，为 了改善 了网络流量的预测效果，设计 了和声搜索算法优化支持 向量机的网络流量预测模 型(HS—SVM)。首先对 当前 网络流量预测研 究现状进行深入分析 ，并指 出了网络流量 的混沌特性 ， 然后采用混沌理论 的相应方法确定 网络流量 的延迟时间和嵌入维数 ，并对原始 网络流量数据进行重构 ，最后采用 HS-SVM 建 立 网络流量预测模型，并与当前其它网络流量预测模型进行 了对照模拟测试 。HS-SVM 能够挖掘和分析 网络流量的变化规 律 ，网络流 量预 测结果要 明显优 于其 它 网络流量预测模型 ，测试结果验证 了 H SVM 的可行性和优越性 。 关键词 ：互联 网；网络流量 ；混沌理论 ；和声搜索算法；参数选择 中图分类号：TP391 文献标志码 ：A NetworkTrafficPredictingBasde onSVM Optimizde byHarmonySearchAlgorithm DingChunli，LiLinsen (ShaanxiCollegeofCommunicationTechnology，Xi’an710021，China) Abstract：Networkflow isinfluencedbysomeexternalfactors，andhascomplicatedvariationlaw．Inordertoimprovepredic— tioneffectofnetworktraffic，thispaperputsforwardanovelnetworktrafficpredictionmodelbasedonHS-SVM ．Firstofall， currentresearchstatusofnetworktrafficpredictionisanalyzeddeeply，andchaoticcharacteristicsofnetworktrafficarepointed Out；Then，delaytimeandembeddingdimensionaredeterminedbychaostheorytOreconstructoriginalnetworktrafficdata；Fi— nally，networktrafficpredictionmodelisestablishedbyHS-SVM andthesimulationtestiscarriedoutcompared withother networktrafficpredictionmodels．HS-SVM canmineandanalyzethechangelaw ofnetworktraffie，predictionresultsarebet— terthanthatofotherpredictionmodels，andthetestresultsverifyfeasibilityandsuperiorityofHS-SVM ． Keywords：TheInternet；Networktraffic；Chaostheory；Harmonysearchalgorithm ；Parameterselection 性，甚至混沌性，为此人们采用神经网络、极限学习机 、贝叶 U 5l吾 斯网络 以及支持 向量机 (supportvectormachine，SVM)对 网 近些年来 ，随着计算机技术、信息技术、网络技术 的不断 络流量 的将来变化态势进行分析 ，取获 了比线性 回归等更优 发展 ，网络 的应用范围越来越广 ，每天在互联 网上传输数据 的网