基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)研究.pdf

1、隨著網(wǎng)絡(luò)通信技術(shù)的快速發(fā)展，網(wǎng)絡(luò)開(kāi)始承載越來(lái)越多的應(yīng)用服務(wù)，這對(duì)網(wǎng)絡(luò)的服務(wù)質(zhì)量、流量控制和網(wǎng)絡(luò)管理均提出了很高的要求。對(duì)流量的分析與預(yù)測(cè)是網(wǎng)絡(luò)管理和性能分析的基礎(chǔ)，本文以流量特性分析為出發(fā)點(diǎn)，對(duì)網(wǎng)絡(luò)流量的特征模型及其預(yù)測(cè)方法進(jìn)行相關(guān)研究，重點(diǎn)討論了兩種數(shù)學(xué)模型，目的是用這兩種模型對(duì)網(wǎng)絡(luò)業(yè)務(wù)流進(jìn)行預(yù)測(cè)，進(jìn)而比較這兩種模型的優(yōu)缺點(diǎn)。 第一種模型是神經(jīng)網(wǎng)絡(luò)反向傳播算法模型。根據(jù)自相似業(yè)務(wù)流的長(zhǎng)程相關(guān)特性，采用5層神經(jīng)網(wǎng)絡(luò)模型和反向傳播

2、算法，對(duì)自相似業(yè)務(wù)流的預(yù)測(cè)進(jìn)行了研究。研究結(jié)果表明，該模型能夠較好地預(yù)測(cè)自相似業(yè)務(wù)流，特別是在預(yù)測(cè)精度上比FARIMA模型要高，但是它的訓(xùn)練和預(yù)測(cè)時(shí)間較耗時(shí)。 第二種模型是FARIMA模型。該模型可以描述和預(yù)測(cè)同時(shí)具有短程相關(guān)和長(zhǎng)程相關(guān)特性的網(wǎng)絡(luò)業(yè)務(wù)，通過(guò)選擇合適的模型參數(shù)，對(duì)自相似業(yè)務(wù)流進(jìn)行預(yù)測(cè)研究。 主要研究工作如下： 首先研究了網(wǎng)絡(luò)流量的數(shù)據(jù)特征，主要包括通過(guò)對(duì)不同時(shí)間尺度的數(shù)據(jù)進(jìn)行分析，探討了樣本的選擇及

3、預(yù)處理問(wèn)題，為流量預(yù)測(cè)模型的建立提供了依據(jù)。 其次對(duì)BP神經(jīng)網(wǎng)絡(luò)的定義、模型的建立、模型的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)相關(guān)的隱層和隱節(jié)點(diǎn)數(shù)的設(shè)定、網(wǎng)絡(luò)的訓(xùn)練與測(cè)試等進(jìn)行了詳細(xì)的研究。研究了BP神經(jīng)網(wǎng)絡(luò)本身的優(yōu)缺點(diǎn)，本文通過(guò)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)反向傳播算法來(lái)預(yù)測(cè)網(wǎng)絡(luò)流量。 最后研究了FARIIA模型的建立，以及FARIMA模型的產(chǎn)生過(guò)程，并進(jìn)行擬合，最后用FARImA模型進(jìn)行仿真。并通過(guò)利用網(wǎng)上提供的網(wǎng)絡(luò)流量的數(shù)據(jù)包分別對(duì)BP神經(jīng)網(wǎng)絡(luò)模型和F