遗传BP神经网络在网络流量预测中的应用.pdf

《遗传BP神经网络在网络流量预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Vo1．42No．4计算机与数字工程总第294期66OComputer&DigitalEngineering2014年第4期遗传BP神经网络在网络流量预测中的应用张立仿(河南师范大学网络中心新乡453007)摘要由于BP神经网络本质上采用的是梯度下降算法，具有收敛速度慢、容易陷入局部极小点等缺陷。针对这种情况，用具有良好全局搜索能力的遗传算法来改进BP神经网络模型，对神经网络的初始权值和阈值进行优化。仿真结果表明，遗传BP神经网络具有良好的预测效果，预测精度比传统的BP神经网络要高，误差更小，说明了

2、遗传BP神经网络对网络流量预测是高效可行的。关键词流量预测；BP神经网络；遗传算法中图分类号TP393DOI：10．3969／j．issn1672—9722．2014．04．029ApplicationofGeneticBPNeuralNetworkonNetworkTraficPredictionZHANGLifang(NetworkCenter，HenanNormalUniversity，Xinmang453007)AbstractBPneuralnetworkessentiallyusesgr

3、adientdescentalgorithm，whichconvergesslowlyandeasilygetsintothelocalextremurrLGlobalsearchcapabilitiesofgeneticalgorithmisusedtOimproveBPneuralnetworkandoptimizeBPnetworkinitialweightsandthresholds．SimulationresultsshowthatthegeneticBPneuralnetworkhasg

4、oodpredictioneffect．thepredictionaccuracyishigher，anderrorsaresmallercomparedtotraditionalBPneuralnetwork，whichillustratesthatthemodeSfeasibleandeffectivetobeappliedinnetworktrafficprediction．KeyWordstrafficprediction，BPneuralnetwork，geneticalgorithmCl

5、assNumberTP393敛速度慢等问题。本文将遗传算法引入BP神经1引言网络中，利用前者擅长全局寻优的特点对神经网络在互联网技术发展的过程中，针对网络流量进的初始权值和阈值进行优化，防止其陷入局部极小行预测研究一直备受人们关注。通过对网络流量点，同时依赖后者的梯度下降原理，保证在有限次的预测，可以了解网络的流量情况和趋势，决定网搜索后快速找到全局最优点，使得预测精度更高。络的拥塞控制，降低网络拥塞带来的信息丢失和延迟，并能发现潜在的攻击和人侵行为，从而更有效2BP神经网络结构及学习算法地进行网络

6、优化，提高服务质量。2．1BP神经网络结构具有高度非线性和很强自适应学习能力的神BP神经网络(Back—Propagationnetwork，经网络的出现给预测技术带来了新的思想，近几年神经网络被广泛应用于预测工作中并取得了一定的效果。常用的神经网络模型有BP神经网络、RBF神经网络、Elman神经网络等。其中BP神经网络是目前应用最广泛的神经网络模型之一，但其图1BP神经网络结构隐含层组成。每层由许存在对初始权阈值敏感、容易陷入局部极小值、收多并行计算的简单神经元组成，层与层之间的神经收稿日期：2

7、013年10月2O日，修回日期：2013年11月30日作者简介：张立仿，女，硕士，工程师，研究方向：网络测量、机器学习。2014年第4期计算机与数字工程元采用全互连的方式，两层之间的每个神经元都关从产生新个体的能力方面来说，交叉算子是产联一个权值，同层神经元之问无连接。各神经元的生新个体的主要方法，它决定了遗传算法的全局搜传递函数通常为连续可微的S型函数，它可以实现索能力，而变异算子只是产生新个体的辅助方法，从输入到输出的任意非线性映射。但也必不可少，因为它决定了遗传算法的局部搜索2．2BP神经网络

8、学习算法能力。交叉和变异相配合，共同完成对搜索空间的BP神经网络模型的主要思想就是使网络输出全局和局部搜索。层的误差平方和达到最小。在网络的学习训练过4遗传BP神经网络算法程中，网络首先随机产生一组神经元之间的连接权值和阈值，训练样本输入网络通过正向传播产生一针对BP神经网络容易陷入局部极小值而得个输出结果，将它与期望值比较，若两者误差未达不到适当的权值分布，用遗传算法对BP神经网络到设定的误差，误差信号沿原路反传回来，同时修的权值和阈值进行优化。通过搜索解空间，遗传