结合改进算术优化算法与小波神经网络的网络流量预测模型OA北大核心CSTPCD

网络流量具有非线性、复杂性特征,传统方法预测精度较低。为此,提出结合改进算术优化算法IAOA与小波神经网络WNN的网络流量预测模型。利用IAOA算法对小波神经网络关键参数初值调优,有效解决常规调参易陷入局部最优的缺陷,提高学习精度和收敛速度。对标准算术优化算法进行改进,设计拉丁超立方抽样法进行种群初始化,提高种群多样性;利用余弦函数对AOA的数学优化器非线性更新,均衡算法全局搜索与局部开发;引入针对最优解的高斯变异机制,避免算法陷入局部最优。利用十个基准函数对IAOA算法进行数值仿真,证实算法能够提高搜索精度和收敛速度。而网络流量预测实验结果表明,提出的预测模型具有更高的精确度,预测性能更加稳定,能够满足网络流量预测的高精度和实时性要求。