基于神經網絡的網絡流量預測研究.pdf

1、隨著網絡通信技術的快速發(fā)展，網絡開始承載越來越多的應用服務，這對網絡的服務質量、流量控制和網絡管理均提出了很高的要求。對流量的分析與預測是網絡管理和性能分析的基礎，本文以流量特性分析為出發(fā)點，對網絡流量的特征模型及其預測方法進行相關研究，重點討論了兩種數學模型，目的是用這兩種模型對網絡業(yè)務流進行預測，進而比較這兩種模型的優(yōu)缺點。 第一種模型是神經網絡反向傳播算法模型。根據自相似業(yè)務流的長程相關特性，采用5層神經網絡模型和反向傳播

2、算法，對自相似業(yè)務流的預測進行了研究。研究結果表明，該模型能夠較好地預測自相似業(yè)務流，特別是在預測精度上比FARIMA模型要高，但是它的訓練和預測時間較耗時。 第二種模型是FARIMA模型。該模型可以描述和預測同時具有短程相關和長程相關特性的網絡業(yè)務，通過選擇合適的模型參數，對自相似業(yè)務流進行預測研究。 主要研究工作如下： 首先研究了網絡流量的數據特征，主要包括通過對不同時間尺度的數據進行分析，探討了樣本的選擇及

3、預處理問題，為流量預測模型的建立提供了依據。 其次對BP神經網絡的定義、模型的建立、模型的網絡結構設計相關的隱層和隱節(jié)點數的設定、網絡的訓練與測試等進行了詳細的研究。研究了BP神經網絡本身的優(yōu)缺點，本文通過改進BP神經網絡反向傳播算法來預測網絡流量。 最后研究了FARIIA模型的建立，以及FARIMA模型的產生過程，并進行擬合，最后用FARImA模型進行仿真。并通過利用網上提供的網絡流量的數據包分別對BP神經網絡模型和F