基于蝙蝠算法优化反向传播神经网络模型的无线网络流量预测

雩风三日

基于蝙蝠算法优化反向传播神经网络模型的无线网络流量预测

1 _) U* v" m; _: q  U       针对无线网络流量数据预测精度不高问题,提出一种基于蝙蝠算法(BA)优化的反向传播(BP)神经网络的分类预测模型——BABP。通过采用蝙蝠算法对 BP 神经网络模型的初始权值与阈值进行全局寻优,构建崭新的基于蝙蝠算法优化的神经网络模型。并通过与传统寻优算法遗传算法(GA)与粒子群优化(PSO)算法的神经网络模型比较,在无线网络流量数据的分类预测和稳定性方面,提出的 BABP 模型要优于 GABP(Genetic Algorithm BP)模型、PSOBP(Particle Swarm Optimization BP)模型;同时,无论迭代次数的多与少,BABP 均有比 GABP、PSOBP 算法更快地收敛。实验结果表明,BABP 模型在预测精度、寻优速度以及模型稳定性等方面均比 GABP、PSOBP 模型更具优势。

) Y! }0 j1 @/ t; s1 P关键词: 网络流量;反向传播神经网络;蝙蝠算法;遗传算法;预测
/ F8 i/ R( o) l* Q) U
& L3 U$ Z' D- {* _( x
: Y* q# e5 [6 v4 l; L7 N$ k
$ _& o; T' c. ?" P9 s! ]