發(fā)布時間：2017-12-01 16:12

  本文關鍵詞：基于多種網絡模型混合的流量預測技術研究

  更多相關文章： 網絡模型 流量預測 小波變換 ARIMA RBF Matlab仿真

【摘要】：網絡流量預測是采用一定的預測模型,根據(jù)收集的網絡流量變化數(shù)據(jù)對將來某一時刻網絡流量進行預測,為網絡管理員掌握網絡運行狀況提供一定指導。傳統(tǒng)網絡流量預測方法有線性回歸模型、泊松模型、馬爾可夫模型和時間序列預測模型,由于網絡流量數(shù)據(jù)是實質上一種時間序列,因此時間序列模型是最為常用的傳統(tǒng)模型。近些年來,非線性預測理論進行深入的發(fā)展,出現(xiàn)了像神經網絡、支持向量機等機器學習方法,并將它們應用于網絡控制管理中。論文首先研究和分析了小波變換技術和當前幾種常用的網絡預測模型。通過研究我們發(fā)現(xiàn)時間序列分析是傳統(tǒng)網絡流量模型的基礎。借助這個特點,傳統(tǒng)流量模型在平穩(wěn)序列方面擁有良好的預測能力。但是在網絡日益復雜化的今天,網絡流量開始出現(xiàn)不平穩(wěn)的特點,這樣,傳統(tǒng)網絡模型在預測能力上就表現(xiàn)得力不從心了。通過對小波技術的研究討論,我們發(fā)現(xiàn)小波技術可以對具備長程依賴性的流量數(shù)據(jù)作去相關處理,可以將在時域不好處理的問題轉變到頻域中來。小波技術的這種多分辨的特點可以高效地處理因網絡流量的突發(fā)性,相似性,自相關特性等等糾結在一起造成的復雜情況。雖然被小波技術逐層解構到不同的頻域上的信號變得單一,但是卻更加平滑。因此本文提出了一種混合模型設計方案。首先將信號分解成線性部分和非線性部分,然后分別利用針對性的模型加以預測和分析,最后合并得到最終預測結果。這里只要指通過引入小波技術,并將其與傳統(tǒng)流量模型結合,這樣就可以充分將傳統(tǒng)流量模型在平穩(wěn)序列預測方面精度上的優(yōu)勢發(fā)揮出來。首先利用小波分解技術將非平穩(wěn)時間序列分解成適當?shù)牟煌l段上的多個平穩(wěn)時間序列,隨后利用傳統(tǒng)網絡流量模型對這平穩(wěn)時間子序列分別建模,最后將子序列在原尺度上恢復并獲得預測結果。在引進小波分解技術提高預測精度的同時,我們意識到,如果對分解層數(shù)分別建模,這樣的方法將會嚴重影響到時間的復雜度。因此本文考慮利用合適的流量預測模型,盡可能減少建模次數(shù)。這種方法的前提是相似序列的特性平穩(wěn),平穩(wěn)序列進行代數(shù)運算仍然是平穩(wěn)的,因而仍然可以得到合理的最終結果,實驗證明,預測精度沒有受到影響。通過實驗證明,這種改善時間復雜度的措施并沒有影響到預測的精度,預測結果相比在引入小波分解技術后進行簡單的所有子序列完全建模的方式甚至有所提高。因此,該利用小波和多種網絡模型混合進行網絡流量預測的方法是完全可行的。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.06

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王曙燕;唐家益;樊相宇;李燕;;郵件流量預測系統(tǒng)的開發(fā)[J];西安郵電學院學報;1996年03期

2 黃曉璐;閔應驊;;基于網絡流量半馬爾柯夫模型的流量預測[J];計算機工程;2006年14期

3 羅峗騫;夏靖波;王煥彬;;混沌-支持向量機回歸在流量預測中的應用研究[J];計算機科學;2009年07期

4 黨小超;閻林;;基于多元線性自回歸模型的流量預測[J];計算機工程;2012年01期

5 林維鏘;;基于時間序列的校園網流量預測研究[J];電腦與電信;2008年08期

6 韓秋鳳;;基于流量預測和相關系數(shù)的異常檢測[J];微計算機信息;2010年01期

7 黃曉璐;閔應驊;;基于半馬爾柯夫過程的流量預測方法[J];計算機應用;2006年03期

8 鄧宗強;曾碧卿;;一種新參數(shù)優(yōu)化算法及其在流量預測中的應用[J];計算機技術與發(fā)展;2013年10期

9 陸國浩;;一種基于BP網絡的局域網流量預測方法[J];沙洲職業(yè)工學院學報;2010年01期

10 華洲;;改進的最大Lyapunov指數(shù)的流量預測[J];電腦知識與技術;2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 王桂娟;陳寧;徐同閣;;基于ARMA的IP網絡流量建模方法研究[A];2006全國復雜網絡學術會議論文集[C];2006年

2 李千目;戚勇;吳克力;楊云;張宏;劉鳳玉;;一種新的網絡擁塞流量預測方法[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

3 蔡亞橋;符永正;;多泵并聯(lián)變臺數(shù)調節(jié)的流量預測[A];全國暖通空調制冷2006年學術年會論文集[C];2006年

4 郭冠英;;綜合型交通分配模型與路網流量預測[A];全國城市道路與交通工程學術會議論文集[C];1991年

5 周春月;董海榮;張宏科;;一種基于誤差補償預測模型的VPN網絡資源管理研究[A];第二十九屆中國控制會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 秦風;創(chuàng)業(yè)初期的四個關鍵問題[N];中國婦女報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 趙其剛;基于流量預測的下一代網絡動態(tài)QoS研究[D];西南交通大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 路陽;基于多種網絡模型混合的流量預測技術研究[D];山東大學;2016年

2 蔣海;電信數(shù)據(jù)網性能監(jiān)測與流量預測技術研究及實現(xiàn)[D];吉林大學;2005年

3 劉英峰;認知網絡的流量預測和負載均衡研究[D];南京郵電大學;2011年

4 季節(jié);空域交通流量預測研究與系統(tǒng)實現(xiàn)[D];西安建筑科技大學;2014年

5 晉建志;基于自相似流量預測的WTP-ARED主動隊列管理算法研究[D];中南民族大學;2008年

6 夏士海;貴空分局流量管理系統(tǒng)的設計研究[D];電子科技大學;2010年

7 葛柏君;短期區(qū)域飛行流量預測問題研究[D];南京航空航天大學;2008年

8 石彥君;西南地區(qū)航班監(jiān)視及流量預測系統(tǒng)升級和功能擴展[D];電子科技大學;2013年

9 鄭寅杰;認知網絡中基于流量預測的負載均衡技術研究和實現(xiàn)[D];北京郵電大學;2014年

10 唱雪;基于BP神經網絡理論的校園網帶寬流量預測[D];哈爾濱工程大學;2008年

，

本文編號：1241675