摘要：針對網(wǎng)絡(luò)流量的非線性和復(fù)雜性等特性以及傳統(tǒng)網(wǎng)絡(luò)流量預(yù)測模型精準(zhǔn)度低的缺點(diǎn),提出自適應(yīng)微分進(jìn)化算法(ADE)優(yōu)化小波神經(jīng)網(wǎng)絡(luò)(WNN)的短期網(wǎng)絡(luò)流量預(yù)測方法。以小波神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中增加動量項(xiàng),采用自適應(yīng)微分進(jìn)化算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)原有的初始化參數(shù)的過程,有效解決小波神經(jīng)網(wǎng)絡(luò)中傳統(tǒng)梯度下降算法易陷入局部極小解和對初始值敏感的缺陷,提高學(xué)習(xí)精度和收斂速度。仿真結(jié)果表明,相比對比模型,該方法具有良好的準(zhǔn)確性、收斂性以及穩(wěn)定性,是一種有效可靠的短期網(wǎng)絡(luò)流量預(yù)測方法。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
