【摘要】为了提高网络流量预测精度，提出一种基于遗传算法优化BP神经网络的网络流量预测模型（GA-BPNN）。首先采集网络流量数据，并进行相应预处理，然后将网络流量训练样本输入到BP神经网络进行学习，并采用遗传算法对BP神经网络参数进行优化，最后采用建立的网络流量预测模型对网络流量测试集进行预测，并通过仿真实验对模型性能进行测试。结果表明，GA-BPNN提高了网络流量的预测精度，获得比较理想的网络流量预测结果。

【关键词】网络流量；BP神经网络；遗传算法；参数优化

【中图分类号 】TP183【文献标识码】A

1引言

网络流量预测对于分析和理解网络将要发生的网络行为、指导网络安全检测与控制具有重要的意义，网络流量具有非线性、多时间和多尺度等变化特性，如何建立高精度的网络流量预测模型已经成为研究热点之一。

当前网络流量均基于统计方法进行建模，是通过对预测网络流量过去的数据及资料进行统计和分析，对其未来的网络流量发展趋势进行定量的预测，主要有时间序列法和BP神经网络方法。时间序列预测法因根据事物过去的变化趋势预测未来的发展，突出时间因素，外界因素不计入影响，在短期且没有相对比较大的变化时预测结果比较理想，但是当外界出现巨变，往往会出现比较大的偏差。因此，时间序列预测法适用于渐进变化的预测对象，没有明显波动，而网络流量受到多种因素影响，具有非线性、多时间和多尺度等变化的特性，因此时间序列法预测精度比较低。……