基于鲸鱼优化算法改进的SDN网络流量预测模型

杨桂芹, 刘志琦, 张国庆, 张伟霞

兰州交通大学学报 ›› 2025, Vol. 44 ›› Issue (02) : 19-29.

基于鲸鱼优化算法改进的SDN网络流量预测模型

  • 杨桂芹, 刘志琦, 张国庆, 张伟霞
作者信息 +
History +

摘要

软件定义网络(SDN)环境下,网络流量基于拓扑结构的复杂性和时间动态特性,导致流量预测面临空间与时间特征带来的双重挑战。为解决这一问题,提出了一种基于鲸鱼算法(WOA)的流量预测模型。该模型通过融合卷积神经网络(CNN)对空间特征的提取能力和长短期记忆网络(LSTM)对时间序列特征的捕捉能力,通过WOA优化模型超参数来提高预测精度。最后与CNN-LSTM、PSO-LSSVM等方法进行对比。结果表明,WOA-CNN-LSTM模型在MAE、RMSE和MAPE指标上分别较CNN-LSTM模型相对减少80.91%、69.21%和72.91%,较PSO-LSSVM相对减少40.29%、19.10%和34.76%。实验验证了该模型在SDN流量预测中的良好性能,为复杂网络环境下的流量预测提供了新思路。

关键词

软件定义网络 / 流量预测 / 鲸鱼算法 / 卷积神经网络 / 长短期记忆网络

中图分类号

TP393.06 / TP18

引用本文

导出引用
杨桂芹, 刘志琦, 张国庆, 张伟霞. 基于鲸鱼优化算法改进的SDN网络流量预测模型. 兰州交通大学学报. 2025, 44(02): 19-29

基金

国家自然科学基金(62361034)

评论

Accesses

Citation

Detail

段落导航
相关文章

/