網絡流量分析與預測模型研究.pdf

1、網絡流量特征研究和分析是深入理解網絡內在本質、了解網絡運行狀況的根本方法和手段,是網絡性能提升、優(yōu)化網絡設計和實施流量工程的重要途徑。本文基于神經網絡預測模型,并引入季節(jié)周期性算法、混沌算法和分解模型,建立新的網絡流量預測模型。根據實際網絡中測量得到的網絡流量數據,進行仿真實驗,結果證明,新模型和算法預測誤差低,且具有普適性。針對網絡流量預測,本文主要做了如下工作:
　　(1)針對靜態(tài)前饋網絡和 Elman網絡在網絡流量預測中的不

2、足,建立了一個基于改進Elman神經網絡的流量模型,并提出一種基于季節(jié)周期性學習方法,根據實際網絡中測量得到的網絡流量數據,對網絡流量進行預測。實驗結果表明,該模型具有良好的預測效果,相對于傳統(tǒng)線性模型、BP神經網絡模型及標準Elman神經網絡模型具有更高的預測精度和更好的自適應性,應用于網絡流量預測是可行、有效的。
　　(2)根據實際網絡中測量得到的網絡流量數據,提出了一種新的改進Elman神經網絡模型——SIMF Elman,

3、在網絡權值的訓練過程中引入了混沌搜索機制,利用Tent映射的遍歷性進行混沌變量的優(yōu)化搜索,減少了數據冗余,有效的解決了局部收斂問題。實驗結果表明,新的模型及算法提高了網絡的訓練速度及網絡流量的預測精度。
　　(3)考慮網絡流量宏觀行為的特點,用數學工具將網絡流量時序分解成結構相對簡單的子成分,來表述和預測網絡流量行為的非線性規(guī)律。同時以神經網絡理論為基礎,提出行為預測模型,包括分解模型和神經網絡模型,充分考慮了流量行為的周期性、趨