網(wǎng)絡(luò)流量預測中基于群智能優(yōu)化的SVM模型.pdf

1、近年來網(wǎng)絡(luò)通信技術(shù)飛速發(fā)展，網(wǎng)絡(luò)開始承載越來越多的應用服務(wù)，這對網(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。網(wǎng)絡(luò)流量的分析與預測對于大規(guī)模網(wǎng)絡(luò)容量規(guī)劃、網(wǎng)絡(luò)設(shè)備設(shè)計、網(wǎng)絡(luò)資源管理及用戶行為調(diào)節(jié)等都有積極意義，高質(zhì)量的網(wǎng)絡(luò)流量預測越來越顯得重要和迫切。本文以流量特性分析為出發(fā)點，對網(wǎng)絡(luò)流量的特征模型及其預測方法進行相關(guān)研究。論文的主要工作歸納如下：
　　 1.分析并綜合討論了獲取真實網(wǎng)絡(luò)流量的途徑，探討了樣本中異常數(shù)據(jù)的

2、預處理問題，為網(wǎng)絡(luò)流量預測模型的建立提供可靠依據(jù)。
　　 2.對真實的網(wǎng)絡(luò)流量的突發(fā)性、長相關(guān)、周期性和混沌性等特性進行分析，在此基礎(chǔ)上對現(xiàn)有的網(wǎng)絡(luò)流量預測模型進行總結(jié)，對比分析了各預測模型的優(yōu)勢和不足。針對網(wǎng)絡(luò)流量的復雜特性，利用小波變換對網(wǎng)絡(luò)流量進行處理，提取出網(wǎng)絡(luò)流量的不同特性，以便分別建模。
　　 3.針對量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimization，

3、QPSO)在處理復雜多極值問題時易陷入局部最優(yōu)，收斂速度慢和精度低的缺陷，提出一種極值擾動和混沌搜索相結(jié)合的量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimizationwith Extremum Disturbance and Chaotic Searching，DCQPSO)。利用極值擾動來幫助粒子快速跳出局部最優(yōu)，利用混沌搜索來增強粒子群的局部搜索能力。實驗結(jié)果表明，DCQPSO在擺脫局

4、部最優(yōu)的能力、收斂速度和精度上都大大優(yōu)于基本QPSO。然后利用DCQPSO來優(yōu)選支持向量機(Support Vector Machine，SVM)參數(shù)，仿真示例驗證了DCQPSO在優(yōu)選SVM參數(shù)的可行性和有效性。
　　 4.針對網(wǎng)絡(luò)流量的復雜特性和現(xiàn)有模型的缺陷，提出一種基于小波變換和優(yōu)化的SVM的網(wǎng)絡(luò)流量預測模型(WaOSVM)。首先選擇合適的小波基和分解級數(shù)對網(wǎng)絡(luò)流量進行無抽取小波分解得到小波系數(shù)和尺度系數(shù)，然后選取適當核函