基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的流量預(yù)測(cè)與評(píng)估方法研究.pdf

1、網(wǎng)絡(luò)流量預(yù)測(cè)分析及建模一直是分析網(wǎng)絡(luò)性能的重要研究課題，流量預(yù)測(cè)結(jié)果為網(wǎng)絡(luò)管理中帶寬分配、流量控制、選路控制、接納控制和差錯(cuò)控制等提供主要參考依據(jù)。
　　 網(wǎng)絡(luò)流量具有一定的動(dòng)態(tài)性、實(shí)時(shí)性、相關(guān)性、隨機(jī)性和含噪聲性。預(yù)測(cè)精度的高低、所選或所建立模型的表達(dá)能力，對(duì)于分析和仿真，理解網(wǎng)絡(luò)的動(dòng)態(tài)行為，以及指導(dǎo)流量控制的設(shè)計(jì)工作均具有重要的指導(dǎo)意義。
　　 論文以網(wǎng)絡(luò)流量預(yù)測(cè)為背景，認(rèn)真對(duì)比了多種流量采集工具的特點(diǎn)，選用Cact

2、i構(gòu)建不影響網(wǎng)絡(luò)自身運(yùn)行狀況的流量采集系統(tǒng)，采集園區(qū)節(jié)點(diǎn)交換機(jī)流量數(shù)據(jù)。在分析網(wǎng)絡(luò)流量時(shí)間序列特性的基礎(chǔ)上，分別建立了灰色GM(1,1)預(yù)測(cè)模型和等維灰色預(yù)測(cè)模型，并對(duì)飽和“S”形序列因特網(wǎng)訪問(wèn)量變化趨勢(shì)特別建立了Verhulst預(yù)測(cè)模型。選用相關(guān)工具實(shí)現(xiàn)了各個(gè)模型，對(duì)計(jì)算結(jié)果進(jìn)行了預(yù)測(cè)分析。
　　 論文提出了基于小波變換的灰色預(yù)測(cè)方法、灰色神經(jīng)網(wǎng)絡(luò)組合模型(分別采用BP網(wǎng)絡(luò)、BP網(wǎng)絡(luò)LM算法、徑向基神經(jīng)網(wǎng)絡(luò))等多種綜合預(yù)測(cè)分析

3、方法，預(yù)測(cè)實(shí)測(cè)網(wǎng)絡(luò)流量，確定適合的模型輸入?yún)?shù)，詳細(xì)分析了各個(gè)模型的精度和預(yù)測(cè)效果，為高精度的短期(以及中長(zhǎng)期)網(wǎng)絡(luò)流量預(yù)測(cè)軟件系統(tǒng)的集成開(kāi)發(fā)奠定了基礎(chǔ)。
　　 針對(duì)常用的動(dòng)態(tài)全局鏈路狀態(tài)法和基于流量的路由算法存在的不足，提出了一種新的基于流量預(yù)測(cè)的路由改進(jìn)算法，可結(jié)合流量預(yù)測(cè)的優(yōu)勢(shì)對(duì)路由算法加以有效補(bǔ)充，理論分析預(yù)計(jì)該算法能獲得更佳的路由效果。
　　 論文最后總結(jié)了課題研究成果在有線公網(wǎng)路由決策、局域網(wǎng)病毒檢測(cè)、防范非