技術(shù)特征：

1.一種網(wǎng)絡(luò)流量的預(yù)測(cè)方法，其特征在于，包括：

通過小波包分解對(duì)原始網(wǎng)絡(luò)流量時(shí)間序列信號(hào)數(shù)據(jù)進(jìn)行預(yù)定層數(shù)序列分解得到子序列；

根據(jù)所述子序列建立BP神經(jīng)網(wǎng)絡(luò)模型，并利用飛蛾縱橫交叉捕焰算法自適應(yīng)調(diào)整所述BP神經(jīng)網(wǎng)絡(luò)模型的閾值和權(quán)值；

根據(jù)調(diào)整后的所述閾值和所述權(quán)值，利用所述BP神經(jīng)網(wǎng)絡(luò)模型對(duì)所述子序列進(jìn)行優(yōu)化，得到子序列預(yù)測(cè)值；

將所述子序列預(yù)測(cè)值進(jìn)行疊加重構(gòu)得到網(wǎng)絡(luò)流量的預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于，通過小波包分解對(duì)原始網(wǎng)絡(luò)流量時(shí)間序列信號(hào)數(shù)據(jù)進(jìn)行預(yù)定層數(shù)序列分解得到子序列，包括：

通過低通濾波器H和高通濾波器G，利用小波包分解公式將原始網(wǎng)絡(luò)流量時(shí)間序列信號(hào)數(shù)據(jù)分解為n層，得到2^n-1個(gè)子低頻信號(hào)序列和2^n-1個(gè)子高頻信號(hào)序列；

其中，小波包分解公式為

其中，d為小波包分解頻帶系數(shù)，i為分解的層數(shù)，h_k-2l和g_k-2l為小波包分解共軛濾波器的系數(shù)，k為位置指標(biāo)的時(shí)間參數(shù)，l為尺度指標(biāo)的頻域參數(shù)。

3.根據(jù)權(quán)利要求2所述的預(yù)測(cè)方法，其特征在于，利用飛蛾縱橫交叉捕焰算法自適應(yīng)調(diào)整所述BP神經(jīng)網(wǎng)絡(luò)模型的閾值和權(quán)值，包括：

對(duì)初始化種群利用飛蛾縱橫交叉捕焰算法進(jìn)行橫向混沌交叉全局搜索和縱向混沌交叉局部開發(fā)，對(duì)產(chǎn)生子代個(gè)體解碼；

判斷迭代次數(shù)是否大于設(shè)定迭代閾值或者均方差誤差是否小于誤差閾值；若是，則將解碼后的數(shù)據(jù)輸出作為調(diào)整后的所述BP神經(jīng)網(wǎng)絡(luò)模型的閾值和權(quán)值。

4.根據(jù)權(quán)利要求3所述的預(yù)測(cè)方法，其特征在于，對(duì)初始化種群利用飛蛾縱橫交叉捕焰算法進(jìn)行橫向混沌交叉全局搜索和縱向混沌交叉局部開發(fā)，對(duì)產(chǎn)生子代個(gè)體解碼，包括：

對(duì)初始化種群利用飛蛾縱橫交叉捕焰算法進(jìn)行橫向混沌交叉全局搜索和縱向混沌交叉局部開發(fā)，得到子代個(gè)體；

利用競(jìng)爭(zhēng)機(jī)制使所述子代個(gè)體與父代個(gè)體進(jìn)行競(jìng)爭(zhēng)則有保留，并進(jìn)行解碼。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的預(yù)測(cè)方法，其特征在于，將所述子序列預(yù)測(cè)值進(jìn)行疊加重構(gòu)得到網(wǎng)絡(luò)流量的預(yù)測(cè)結(jié)果，包括：

將所述子序列預(yù)測(cè)值進(jìn)行疊加，利用公式得到網(wǎng)絡(luò)流量的預(yù)測(cè)結(jié)果；

其中，d為小波包重構(gòu)頻帶系數(shù)，i是重構(gòu)的層數(shù)，p_l-2k和q_l-2k是小波包分解共軛濾波器的系數(shù)，k為位置指標(biāo)的時(shí)間參數(shù)，l為尺度指標(biāo)的頻域參數(shù)。

6.一種網(wǎng)絡(luò)流量的預(yù)測(cè)裝置，其特征在于，包括：

小波包分解模塊，用于通過小波包分解對(duì)原始網(wǎng)絡(luò)流量時(shí)間序列信號(hào)數(shù)據(jù)進(jìn)行預(yù)定層數(shù)序列分解得到子序列；

閾值調(diào)整模塊，用于根據(jù)所述子序列建立BP神經(jīng)網(wǎng)絡(luò)模型，并利用飛蛾縱橫交叉捕焰算法自適應(yīng)調(diào)整所述BP神經(jīng)網(wǎng)絡(luò)模型的閾值和權(quán)值；

BP神經(jīng)網(wǎng)絡(luò)計(jì)算模塊，用于根據(jù)調(diào)整后的所述閾值和所述權(quán)值，利用所述BP神經(jīng)網(wǎng)絡(luò)模型對(duì)所述子序列進(jìn)行優(yōu)化，得到子序列預(yù)測(cè)值；

結(jié)果輸出模塊，用于將所述子序列預(yù)測(cè)值進(jìn)行疊加重構(gòu)得到網(wǎng)絡(luò)流量的預(yù)測(cè)結(jié)果。

7.根據(jù)權(quán)利要求6所述的預(yù)測(cè)裝置，其特征在于，所述小波包分解模塊具體為通過低通濾波器H和高通濾波器G，利用小波包分解公式將原始網(wǎng)絡(luò)流量時(shí)間序列信號(hào)數(shù)據(jù)分解為n層，得到2^n-1個(gè)子低頻信號(hào)序列和2^n-1個(gè)子高頻信號(hào)序列的模塊；

其中，小波包分解公式為

其中，d為小波包分解頻帶系數(shù)，i為分解的層數(shù)，h_k-2l和g_k-2l為小波包分解共軛濾波器的系數(shù)，k為位置指標(biāo)的時(shí)間參數(shù)，l為尺度指標(biāo)的頻域參數(shù)。

8.根據(jù)權(quán)利要求7所述的預(yù)測(cè)裝置，其特征在于，所述閾值調(diào)整模塊包括：

子代個(gè)體計(jì)算單元，用于對(duì)初始化種群利用飛蛾縱橫交叉捕焰算法進(jìn)行橫向混沌交叉全局搜索和縱向混沌交叉局部開發(fā)，對(duì)產(chǎn)生子代個(gè)體解碼；

調(diào)整單元，用于判斷迭代次數(shù)是否大于設(shè)定迭代閾值或者均方差誤差是否小于誤差閾值；若是，則將解碼后的數(shù)據(jù)輸出作為調(diào)整后的所述BP神經(jīng)網(wǎng)絡(luò)模型的閾值和權(quán)值。

9.根據(jù)權(quán)利要求8所述的預(yù)測(cè)裝置，其特征在于，所述子代個(gè)體計(jì)算單元包括：

子代個(gè)體計(jì)算子單元，用于對(duì)初始化種群利用飛蛾縱橫交叉捕焰算法進(jìn)行橫向混沌交叉全局搜索和縱向混沌交叉局部開發(fā)，得到子代個(gè)體；

競(jìng)爭(zhēng)子單元，用于利用競(jìng)爭(zhēng)機(jī)制使所述子代個(gè)體與父代個(gè)體進(jìn)行競(jìng)爭(zhēng)則有保留，并進(jìn)行解碼。

10.根據(jù)權(quán)利要求6-9任一項(xiàng)所述的預(yù)測(cè)裝置，其特征在于，所述結(jié)果輸出模塊具體為將所述子序列預(yù)測(cè)值進(jìn)行疊加，利用公式得到網(wǎng)絡(luò)流量的預(yù)測(cè)結(jié)果的模塊；

其中，d為小波包重構(gòu)頻帶系數(shù)，i是重構(gòu)的層數(shù)，p_l-2k和q_l-2k是小波包分解共軛濾波器的系數(shù)，k為位置指標(biāo)的時(shí)間參數(shù)，l為尺度指標(biāo)的頻域參數(shù)。