一种改进的小波神经网络的网络流量预测算法.pdf

2010年 4月 皖西 学 院学报 Apr．，2010 第26卷第2期 JournalofWestAnhuiUniversity Vol_26 NO．2 一 种改进的小波神经网络的网络流量预测算法 陈振伟，王 茜，黄继红 (皖西学院计算机科学与技术系，安徽 六安 237012) 摘 要：为了有效地对网络进行维护，提高网络性能，预知网络流量可以提前对网络出现的问题采取应对策略，从而对用户 提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换，并采用共轭梯度下降算法，建立了一个小波神 经网络的网络流量预测模型。通过实际流量数据对模型进行仿真，结果显示该模型与神经网络预测模型相比，该网络具有 良好 的预测效果，网络训练时间短，有效地提高了训练速度。 关键词：神经网络；小波函数；网络流量；共轭梯度 中图分类号：TP393 文献标识码：A 文章编号：1009--9735(2010)O2一OO36一O3 1 引言 经网络中加以训练，进行预测。这种小波和神经网络 随着计算机网络的迅速发展，目前的网络规模极 结合的方法，虽然有较好的预测效果，但本质上还是 为庞大和复杂，基于网络的应用急剧增长 。网络互联 神经网络预测，并没有从本质上改善神经网络训练速 环境的复杂，造成了网络的安全性和稳定性的降低， 度慢，容易陷入局部次优点，难以找到全局最小点的 从而影响了网络服务的质量。为了给用户提供优质 缺点。另一种结合方法是把神经网络隐含层的传输 的服务，网络的维护和管理显得尤为重要，如果能预 函数用小波函数代替，这样结合从本质上改变了预测 知网络流量，可在很大程度上方便网络的维护和管 模型的结构，并应用于每 日太阳光总的发热预测和电 理，并且能提前采取应对措施。因此网络流量预测对 力负荷预测上[][。 网络管理和维护是一项很必要的技术。 2 小波神经网络的网络流量预测模型 2．1 小波神经网络 现有的网络流量预测分为线性预测和非线性预 测。其中ARIMAE1]作为线性预测方法的代表得到 在小波神经网络流量预测模型中，直接以小波函 数代替常规神经网络的Sigmoid作为神经网络的隐 了广泛应用。ARIMA的理论前提是网络流量具有 节点激励函数，以小波的尺度和平移参数作为神经网 线性宽平稳过程特征。文献E2J提出并验证了网络流 络的权值和阈值参数，构成一个前馈型网络。 量具有多构性、自相似性、突然继发性。网络流量在 设平方可积函数 (z)∈L (R)的傅立叶变换 不同的时间频率尺度上具有 自相似性和多尺度特征。 为 (∞)，且满足条件 因此ARIMA模型预测的精度低，无法准确地描述出 r佃 网络的全部特征。 I I∞l I ()l幽 ∞ (1) J—。。。 人工神经网络的预测方法 3『]用于非线性预测的 则以函数 ()∈L。(R)为母小波，采用不同的 效果很好，从网络流量的特征来看，也是非线性的。 平移和伸缩因子，可生成一维小波函数系，即 从理论上来讲，神经网络可以任意精度逼近任意