網(wǎng)絡(luò)流量組合預(yù)測(cè)模型的研究.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，由于互聯(lián)網(wǎng)是一個(gè)高度復(fù)雜的非線性系統(tǒng)，為了實(shí)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(jī)制和復(fù)雜的行為特性。網(wǎng)絡(luò)流量分析和建模對(duì)網(wǎng)絡(luò)性能評(píng)價(jià)具有重要的意義，完全符合網(wǎng)絡(luò)流量復(fù)雜統(tǒng)計(jì)特性的模型，能夠幫助對(duì)網(wǎng)絡(luò)流量進(jìn)行精確的分析和仿真，非常有助于網(wǎng)絡(luò)的設(shè)計(jì)和控制。 本淪文的研究目的是為了探索一種新的網(wǎng)絡(luò)流量模型來更好的拙述、預(yù)測(cè)網(wǎng)絡(luò)流量的

2、特性，文章首先分析了網(wǎng)絡(luò)流量的一些主要特性，在真實(shí)環(huán)境中的網(wǎng)絡(luò)流量呈現(xiàn)出相當(dāng)明顯的多尺度特性，例如自相似性、長(zhǎng)相關(guān)性、單分形和多分形等特性；接著，分析、比較幾種傳統(tǒng)的網(wǎng)絡(luò)流量分析模型的優(yōu)缺點(diǎn)，如半馬爾柯夫模型、Poisson模型、ARMA模型及ON/OFF模型。 針對(duì)網(wǎng)絡(luò)流量系統(tǒng)多尺度和非線性的特性，綜合小波變換的多分辨分析能力和神經(jīng)網(wǎng)絡(luò)的非線性逼近功能，建立了一種新的組合模型來預(yù)測(cè)網(wǎng)絡(luò)流量。在小波函數(shù)的選取及分解層數(shù)的確定、E

3、lman神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)及BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方面做了大量的比較實(shí)驗(yàn)，最終確定合理的數(shù)據(jù)。其顯著特點(diǎn)是利用小波分析的多分辨率功能和人工神經(jīng)網(wǎng)絡(luò)的非線性逼近能力，小波分解與重構(gòu)實(shí)質(zhì)上通過不同的帶通濾波器將含有綜合信息的網(wǎng)絡(luò)流量分解稱了N+1組特征不同的分量，其中近似分量反映了網(wǎng)絡(luò)流量的變化趨勢(shì)，而細(xì)節(jié)分量反映的是隨機(jī)擾動(dòng)帶來的影響，二者的特征是不同的，因此采用不同的神經(jīng)網(wǎng)絡(luò)進(jìn)行分別訓(xùn)練，預(yù)測(cè)再合成，效果優(yōu)于單一的模型。為了獲得更好的