基于似然BP算法的区域供电能效差异变化趋势预测方法

采用目前方法预测区域供电能效差异变化趋势时,存在误差率高、预测值与实际值差距大及预测模型复杂程度高的问题。提出基于似然BP算法的区域供电能效差异变化趋势预测方法。利用RAMP重构具有稀疏噪声的电能数据,并将处理后的无干扰电能原始数据投入到神经网络中,利用似然BP算法对数据样本进行编码、选择、交叉和变异,最终构建预测模型,并运用预测模型完成区域供电能效差异变化趋势的预测。实验结果表明,所提方法误差率低、预测值与实际值差距小、预测模型复杂程度低。

一种基于似然BP的网络安全态势预测方法

态势预测是网络安全态势感知的高级阶段。为了解决依赖于专家赋予权值、缺乏自学习的态势数据处理方法在复杂网络系统中的局限,提出了一种基于似然BP的网络安全态势预测方法,将BP神经网络引入态势预测领域,并用极大似然误差函数代替传统的误差函数,通过态势评估模型建立的态势序列作为训练输入序列,在反向传播过程中实现对指定参数权值的自学习调整,该方法能充分利用网络越复杂、粒度越细、效率就越高的特点,实验表明了该方法具有较好的态势预测效能,为网络安全态势预测提供了一种新的解决途径。