布谷鸟搜索算法优化BP神经网络的网络流量预测

杜振宁

【摘要】为了提高预测精度，提出一种布谷鸟搜索算法优化BP神经网络的网络流量预测模型(Cuckoo Search BP neural network Flow Prediction，CS-BPNN)。根据混沌理论建立网络流量学习样本，采用BP神经网络对学习样本进行训练，将模型参数当一个鸟巢，通过模拟布谷鸟寻窝产卵的行为找到最优模型参数，最后采用网络流量数据进行仿真实验，测试模型性能。仿真实验表明：所提出模型较好的解决了BP神经参数优化问题，能够获得更加理想的网络流量预测结果。

【期刊名称】电子技术应用

【年(卷),期】2015(041)003

【总页数】4

【关键词】布谷鸟搜索算法；网络流量；神经网络；参数优化

0 引言

随着网络业务种类的增加，如何提高网络流量预测精度具有十分重要的意义[1]。网络流量预测传统模型主要包括：线性回归、泊松过程、时间序列等[2-3]，它们可以对短期的网络流量数据进行预测，但现代网络流量变化规律相当复杂，因此传统预测模型的精度有待进一步提高。

随着非线性理论发展，出现了以BP神经网络(BP neural network，BPNN)为代表的网络流量非线性预测模型，其具有较好的非线性预测能力，可以对网络流量变化特点进行准确跟踪，提高了网络流量的预测精度[4]。然而，在实际应用过程中，BP神经网络的预测性能与其参数密切相关[5]。为此，有学者提出