Web網(wǎng)絡流量的組合預測研究.pdf_第1頁
已閱讀1頁,還剩101頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、網(wǎng)絡流量是衡量網(wǎng)絡運行負荷和狀態(tài)的重要參數(shù),也是網(wǎng)絡規(guī)劃、流量管理等方面起著重要作用的重要參數(shù)。在流量管理中,流量模型用于評價接入控制機制和預測網(wǎng)絡性能。在網(wǎng)絡資源有限的情況下,建立網(wǎng)絡流量模型,預測網(wǎng)絡負載,及時做出控制或調(diào)整,將會極大提高網(wǎng)絡性能和服務質(zhì)量。
   本文以網(wǎng)絡流量特性分析為基礎(chǔ),對基于網(wǎng)絡流量的特征模型及其預測進行了相關(guān)研究。論文首先敘述了國內(nèi)外對流量研究的現(xiàn)狀,接著分析了網(wǎng)絡流量的幾個主要特性及其在網(wǎng)絡流量

2、中的表現(xiàn)與對網(wǎng)絡業(yè)務的影響。重點分析了網(wǎng)絡流量的非平穩(wěn)性,然后,給出了網(wǎng)絡流量預測模型——針對網(wǎng)絡流量具有的平穩(wěn)性和非平穩(wěn)性,并選取與之相適應的單一預測模型包括ARIMA預測模型,遺傳神經(jīng)網(wǎng)絡模型,Elman神經(jīng)網(wǎng)絡三種模型。其中ARIMA模型具有線性數(shù)據(jù)預測能力,能刻畫出流量的相關(guān)性,遺傳神經(jīng)網(wǎng)絡算法在改進神經(jīng)網(wǎng)絡基礎(chǔ)上具有非線性數(shù)據(jù)預測能力,能夠更好的刻畫流量的非平穩(wěn)性,Elman神經(jīng)網(wǎng)絡在Elman網(wǎng)絡的內(nèi)部加入了網(wǎng)絡本身處理動態(tài)

3、信息的能力,把該網(wǎng)絡用作流量中非線性關(guān)系數(shù)據(jù)預測的網(wǎng)絡單元,可以保證流量的非平穩(wěn)性特征。對這三種算法深入的分析,并對各個單一算法進行網(wǎng)絡流量預測的仿真實驗。其次,基于上述三種算法本文提出通過基于最優(yōu)組合和BP神經(jīng)網(wǎng)絡的組合預測模型,并進行仿真。對于最優(yōu)組合權(quán)系數(shù),通過各個算法預測的誤差最小,來確定組合權(quán)系數(shù);對于BP神經(jīng)網(wǎng)絡組合預測,BP神經(jīng)網(wǎng)絡可以擬和三個單一預測模型的預測結(jié)果,起到減小誤差的作用。通過對比單一預測和組合預測算法仿真效

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論