多维加权密集连接网络的流量混沌预测仿真

摘要

针对现有多维加权密集连接网络的流量预测方法没有充分考虑网络流量的时变性、混沌性、噪声污染性等特点,使得最终预测结果与真实值之间误差较大,预测耗时较长,提出了基于蚁群优化BP神经网络算法的多维加权密集连接网络流量混沌预测方法,采用小波分析对多维加权密集连接网络信号进行消噪处理,并依据混沌理论对消噪处理后的网络信号进行相空间重构,提取多维加权密集连接网络流量变化规律;在此基础上,建立了一个BP神经网络模型,利用梯度下降法调整BP神经网络参数;将调整后的BP神经网络参数作为蚂蚁的初始位置信息,通过蚁群之间的信息沟通交流和觅食过程中的相互协作获取BP神经网络各层神经元的初始连接权值和相应阈值等最优参数,建立优化预测模型,对多维加权密集连接网络流量进行预测。仿真结果显示,上述研究方法得到的预测结果与真实值拟合度较高,不仅能够有效降低多维加权密集连接网络流量预测误差,而且提高了预测速度。