網絡流量預測技術研究.pdf

1、隨著Internet及其應用的迅速發(fā)展，網絡規(guī)模日益增大，網絡應用日益復雜，網絡管理工作越來越繁重，網絡故障也頻頻出現(xiàn)，為了實現(xiàn)可靠的數(shù)據(jù)傳輸及合理的網絡資源分配，就需要深刻了解網絡的控制機制和復雜的行為特性。網絡流量預測對大規(guī)模網絡管理、規(guī)劃、設計具有重要意義，高質量的網絡流量預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測模型以提高網絡流量預測的準確性，及加快預測速度。
　　 首先，全面敘述了網絡流

2、量預測的國內外研究現(xiàn)狀，為后續(xù)的研究奠定了基礎；
　　 其次，分析了真實環(huán)境下的網絡流量所呈現(xiàn)的相當明顯的多尺度特性，接著，分析并比較了幾種基于自相似性的網絡流量模型的優(yōu)缺點；
　　 第三，建立了基于改進BPWNN的預測模型。針對傳統(tǒng)BP小波網絡(BPWNN)易陷入局部極小，收斂速度慢的缺陷，使用一種學習速率自適應的算法對BPWNN進行改進；
　　 第四，建立了基于改進的QPSO算法訓練BP網絡的預測模型。針對標

3、準的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的預測模型。首先將原始流量數(shù)據(jù)時間序列進行小波分解，并將分解得到的近似部分和各細節(jié)部分分別單支重構到原級別上；對各個重構后的序列分別用最小二乘支持向量機進行預測；將貝葉斯證據(jù)框架應用于最小二乘支持向量機模型參數(shù)的選擇；將各個預測結