基于神经网络的业务量预测研究

分别采用back-propagation(BP)算法和Favidon最小二乘学习算法训练神经网络(NN),并用于复杂业务流量预测。以自相似流量模型验证了2种NN学习算法的有效性,并分析比较了他们在流量预测中的可行性,得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多,验证了复杂自相似业务流的可预测性,为复杂自相似网络业务流预测的研究提供了一种有效途径。