網(wǎng)絡(luò)流量預(yù)測技術(shù)研究.pdf

1、隨著Internet及其應(yīng)用的迅速發(fā)展，網(wǎng)絡(luò)規(guī)模日益增大，網(wǎng)絡(luò)應(yīng)用日益復(fù)雜，網(wǎng)絡(luò)管理工作越來越繁重，網(wǎng)絡(luò)故障也頻頻出現(xiàn)，為了實現(xiàn)可靠的數(shù)據(jù)傳輸及合理的網(wǎng)絡(luò)資源分配，就需要深刻了解網(wǎng)絡(luò)的控制機制和復(fù)雜的行為特性。網(wǎng)絡(luò)流量預(yù)測對大規(guī)模網(wǎng)絡(luò)管理、規(guī)劃、設(shè)計具有重要意義，高質(zhì)量的網(wǎng)絡(luò)流量預(yù)測顯得越來越重要和迫切。
　　 本文的主要研究目的是探索新的預(yù)測模型以提高網(wǎng)絡(luò)流量預(yù)測的準(zhǔn)確性，及加快預(yù)測速度。
　　 首先，全面敘述了網(wǎng)絡(luò)流

2、量預(yù)測的國內(nèi)外研究現(xiàn)狀，為后續(xù)的研究奠定了基礎(chǔ)；
　　 其次，分析了真實環(huán)境下的網(wǎng)絡(luò)流量所呈現(xiàn)的相當(dāng)明顯的多尺度特性，接著，分析并比較了幾種基于自相似性的網(wǎng)絡(luò)流量模型的優(yōu)缺點；
　　 第三，建立了基于改進(jìn)BPWNN的預(yù)測模型。針對傳統(tǒng)BP小波網(wǎng)絡(luò)(BPWNN)易陷入局部極小，收斂速度慢的缺陷，使用一種學(xué)習(xí)速率自適應(yīng)的算法對BPWNN進(jìn)行改進(jìn)；
　　 第四，建立了基于改進(jìn)的QPSO算法訓(xùn)練BP網(wǎng)絡(luò)的預(yù)測模型。針對標(biāo)

3、準(zhǔn)的QPSO算法不可避免的出現(xiàn)早熟的不足，研究了一種新的基于參數(shù)自適應(yīng)的量子粒子群優(yōu)化算法。該算法較好的避免了粒子群的早熟，提高了算法的全局收斂能力；
　　 第五，建立了融合小波變換與貝葉斯LS-SVM的預(yù)測模型。首先將原始流量數(shù)據(jù)時間序列進(jìn)行小波分解，并將分解得到的近似部分和各細(xì)節(jié)部分分別單支重構(gòu)到原級別上；對各個重構(gòu)后的序列分別用最小二乘支持向量機進(jìn)行預(yù)測；將貝葉斯證據(jù)框架應(yīng)用于最小二乘支持向量機模型參數(shù)的選擇；將各個預(yù)測結(jié)