基于蚁群算法优化的小波神经网络流量预测模型研究

《基于蚁群算法优化的小波神经网络流量预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于蚁群算法优化的小波神经网络流量预测模型研究作者姓名张文谦学校导师姓名、职称李广鑫副教授领域计算机技术企业导师姓名、职称姚洪高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号1203121792分类号TP391密级公开西安电子科技大学硕士学位论文基于蚁群算法优化的小波神经网络流量预测模型研究作者姓名：张文谦领域：计算机技术学位类别：工程硕士学校导师姓名、职称：李广鑫副教授企业导师姓名、职称：姚洪高工2014年12月提交日期：AStudyofWaveletAntColonyOptimizationBasedNeuralNetworkPredic

2、tionModelAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerTechnologyByZhangWenqianSupervisor:LiGuangxinYaoHongDecember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已

3、经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研

4、究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要随着互联网的使用量逐渐增加，网络种类逐渐繁多，信息数据越来越庞大并且呈现出多变的动态特性，如何精确地对网络流量进行预测从而实现对网络运行状态的有效管理，成为一个日益重要的问题。其中，如何建立一个精确而高效的流量预测模型是解决该问题的重点和难点，其对于网络的测试、流量的控制以及网络的设计规划和质量保证等问题的研究，都有重要的意义。本文主要对网络流量预测模型进行研究和设计，具体工作有三个方面：(1)介绍了网络流量

5、预测的起源、发展状况及其研究的意义，同时对网络流量所具有的特性进行了分析和描述；(2)重点介绍了小波分解理论和BP神经网络的工作原理，并对两者组合而成的小波神经网络(WaveletNeuralNetwork,WNN)进行了介绍，同时着重分析了基于GA算法的WNN预测模型；(3)针对基于GA算法优化的WNN预测模型存在的不足，本文提出用具有正反馈机制和启发式学习特点的蚁群算法(AntColonyOptimization,ACO)代替GA算法，形成一种基于ACO算法优化的WNN预测模型—WACONN预测模型。该模型为了克服BP算法在网络训练过程中对初始权值、阈值比较敏感，且容

6、易陷入局部最优解的缺点，提出将ACO算法与BP算法相结合形成ACO-BP算法：首先利用ACO算法的全局寻优能力为BP神经网络提供较适合的初始权值和阈值，以降低BP算法由于对初始值设置不同而产生较大的差异性、且容易陷于最优解等缺点，再利用BP算法进一步迭代寻取全局最优解。在进行仿真实验过程中，该模型首先利用同时具有时、频域描述特性的小波变换，将数据样本分解成高频分量和低频分量；然后利用高、低频分量的训练集部分对基于ACO优化的WNN预测模型进行训练；接下来，将高、低频分量的预测集部分输入训练好的模型，进行预测；最后将预测得出的高、低频数据分量相叠加，得出最终的预测结果。实验

7、数据表明，与基于GA算法优化的WNN预测模型相比，本文提出的基于ACO算法优化的WNN预测模型具有更好的预测精度和更快的网络收敛速度，是一种更有效的预测模型。关键字：网络流量预测小波分析BP神经网络蚁群优化算法论文类型：应用基础技术I西安电子科技大学硕士学位论文IIABSTRACTABSTRACTNowadays,withtheincreasingusageandemergingtypesoftheInternet,Theamountofinformationonthenetworkhasincreasedlargelyand