結(jié)合分形神經(jīng)網(wǎng)絡(luò)理論的網(wǎng)絡(luò)流量預(yù)測研究.pdf

1、網(wǎng)絡(luò)流量特性的分析、流量建模以及流量預(yù)測對于新一代網(wǎng)絡(luò)協(xié)議設(shè)計(jì)、網(wǎng)絡(luò)管理和提高網(wǎng)絡(luò)服務(wù)質(zhì)量等都有重要的意義。本文也正是以網(wǎng)絡(luò)流量特性分析為出發(fā)點(diǎn)，對網(wǎng)絡(luò)流量預(yù)測模型算法及其應(yīng)用進(jìn)行了相關(guān)的研究。 論文首先對網(wǎng)絡(luò)流量特性進(jìn)行了詳細(xì)分析，介紹并實(shí)現(xiàn)了六種網(wǎng)絡(luò)流量分形維度的估算方法，通過仿真實(shí)驗(yàn)對比驗(yàn)證了各種估算方法的精度以及周期和噪聲信號對估算方法的影響；同時(shí)論文探討了網(wǎng)絡(luò)流量自相似的成因和對網(wǎng)絡(luò)性能的影響。 其次本文歸納總

2、結(jié)了網(wǎng)絡(luò)流量建模預(yù)測發(fā)展過程中的傳統(tǒng)的短相關(guān)模型、自相似模型各自的優(yōu)缺點(diǎn)，討論了網(wǎng)絡(luò)流量領(lǐng)域最新的分析方法和理論，分析得出：針對同時(shí)具有長相關(guān)和短相關(guān)的自相似網(wǎng)絡(luò)業(yè)務(wù)流應(yīng)當(dāng)采用混合№模型才能更精細(xì)的刻畫其特性。 在詳細(xì)分析網(wǎng)絡(luò)流量特性的基礎(chǔ)上，提出基于分形濾波神經(jīng)網(wǎng)絡(luò)的混合流量預(yù)測模型，改進(jìn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，應(yīng)用該模型對真實(shí)網(wǎng)絡(luò)流量的變化趨勢進(jìn)行擬合和預(yù)測，實(shí)驗(yàn)結(jié)果表明：分形濾波神經(jīng)網(wǎng)絡(luò)模型能同時(shí)描述自相似流量的長相關(guān)和短相關(guān)特

3、性，并且其擬合真實(shí)流量效果比FARIMA模型、AR模型和BP網(wǎng)絡(luò)模型更好；Hurst參數(shù)值越大的仿真流量，其預(yù)測精度越高；分形濾波去長相關(guān)后真實(shí)網(wǎng)絡(luò)流量短期預(yù)測精度高于傳統(tǒng)回歸模型；分形濾波去短相關(guān)的預(yù)測模型，在多步預(yù)測中更能抓住業(yè)務(wù)流的未來變化趨勢。 最后論文將分形預(yù)測模型與網(wǎng)絡(luò)動態(tài)帶寬分配相結(jié)合，仿真實(shí)驗(yàn)表明針對具有分形特性突發(fā)性較強(qiáng)的業(yè)務(wù)流，基于預(yù)測的動態(tài)網(wǎng)絡(luò)帶寬分配策略能有效的減少信元丟失率、傳送時(shí)延及隊(duì)列長度，大大提高