基于WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法。首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优化,最后将全局最优解输出作为LSTM神经网络的初始参数对样本进行训练预测。结果表明,基于WOA-LSTM的网络时延预测算法预测精度相较于LSTM神经网络算法和BP神经网络算法分别提高了14.87%和78.89%,WOA-LSTM达到收敛时迭代次数相较于LSTM神经网络算法减少了11.11%。所提算法新颖可靠,可更准确地进行网络时延预测,为窄带通信网网络的智能化与自动化升级提供数据支持。