基于深度神经网络的网络流量预测模型仿真

摘要

传统流量预测模型缺少对神经网络动态记忆力的优化调整,导致网络流量预测结果精确度低、稳定性差等问题.为此提出基于深度神经网络的网络流量预测模型.利用隐含层和关联层提高神经网络动态记忆力,将深度神经网络划分多个神经元,完成预测权值修正.引入输出向量构建流量动态预测模型,获取实际流量与预测流量的误差,优化模型权值与阈值,完成网络流量的高记忆度预测.为验证研究方法应用效果,设计一次仿真,结果表明,所设计模型具有更高的流量预测精度,抗干扰性能良好,可被推广应用.