Internet網(wǎng)絡流量預測.pdf

1、隨著Imement的快速發(fā)展，人們的生活方式和傳統(tǒng)的信息交換方式也受到巨大的影響。伴隨著各種各樣的應用需求和網(wǎng)絡規(guī)模越來越大，網(wǎng)絡管理工作也越來越繁重和困難。網(wǎng)絡擁塞、網(wǎng)絡安全、網(wǎng)絡故障等一系列問題時刻影響著信息社會的正常發(fā)展。網(wǎng)絡流量的測量和預測對大規(guī)模網(wǎng)絡管理、規(guī)劃和設計具有非常重要的意義。本論文主要研究內容和特色如下： (1)通過查閱國內外相關文獻資料，對網(wǎng)絡流量測量方法進行研究。常用的3種測量技術是：SNMP測量、Pac

2、ket Stuffing測量和Netflow測量。SNMP是通過提取網(wǎng)絡設備(代理)提供的MIB(管理對象信息庫)中收集的一些具體設備以及流量信息有關的變量進行測量的。Packet Stuffing是一種用網(wǎng)卡在鏈路層來獲取網(wǎng)絡流量的方法，使用時將它串接在需要捕捉流量的鏈路中，通過分流鏈路上的數(shù)字信號來獲取流量信息。Netflow是一種數(shù)據(jù)交換方式，流量采集是基于網(wǎng)絡設備提供的Netflow機制實現(xiàn)的。 (2)介紹常用預測方法。

3、如最小均方誤差、神經(jīng)網(wǎng)絡、ARMA.模型以及基于統(tǒng)計學習理論的支持向量機等。 (3)通過NS2仿真器，結合支持向量機回歸理論對模擬的網(wǎng)絡流量進行預測實驗。首先分析了NS2軟件包的結構、仿真原理和流程，然后利用NS2模擬簡單網(wǎng)絡拓撲結構并產(chǎn)生流量數(shù)據(jù)，為了提高預測精度將原始數(shù)據(jù)進行差分處理，然后組織訓練數(shù)據(jù)和檢驗數(shù)據(jù)，最后基于SVM建立預測模型，用訓練數(shù)據(jù)訓練模型參數(shù)，然后用檢驗數(shù)據(jù)進行流量預測，并分析結果，結果表明實驗預測效果比