基于神經(jīng)網(wǎng)絡的自相似業(yè)務流預測研究.pdf

1、預測網(wǎng)絡業(yè)務的行為在通信網(wǎng)絡的接入管理和擁塞控制等方面有著重要的意義。隨著現(xiàn)代通信技術(shù)的高速發(fā)展，網(wǎng)絡規(guī)模不斷擴大，網(wǎng)絡業(yè)務呈現(xiàn)多樣性。越加復雜的網(wǎng)絡行為特征給網(wǎng)絡流量建模和預測帶來了新的挑戰(zhàn)。近年來的許多的研究表明，網(wǎng)絡業(yè)務流量普遍存在著自相似性。自相似業(yè)務流對網(wǎng)絡性能有著不可忽視的影響。另一方面，業(yè)務的這種自相似性也暗示了網(wǎng)絡流量具有可預測的結(jié)構(gòu)。網(wǎng)絡流量預測傳統(tǒng)方法是利用流量的統(tǒng)計特性建立數(shù)學模型。隨著神經(jīng)網(wǎng)絡研究的深入，一些學者

2、也將其用于網(wǎng)絡流量的建模和預測。
　　 本文根據(jù)網(wǎng)絡業(yè)務的自相似特征，利用神經(jīng)網(wǎng)絡進行自相似流量的預測和應用研究。對神經(jīng)網(wǎng)絡的結(jié)構(gòu)和學習算法進行了探索性研究，引入一種基于自適應增益系數(shù)改進的學習算法。本論文的主要研究工作包括以下幾個方面：
　　 1.總結(jié)網(wǎng)絡流量的自相似的特征、及其產(chǎn)生原因和對網(wǎng)絡性能的影響。在分析神經(jīng)網(wǎng)絡在網(wǎng)絡流量預測方面研究的基礎(chǔ)上，使用BP和FIR兩種前向神經(jīng)網(wǎng)絡作為自相似流量的預測模型。
　

3、　 2.研究神經(jīng)元模型的結(jié)構(gòu)和對信息的處理方式，在分析BP和FIR神經(jīng)網(wǎng)絡標準學習算法基礎(chǔ)上，引入一種基于自適應增益系數(shù)改進的方法。將改進算法用于BP和FIR神經(jīng)網(wǎng)絡，推導參數(shù)的更新方式。在相同的網(wǎng)絡結(jié)構(gòu)和初始參數(shù)條件下，分析改進算法對預測結(jié)果和均方誤差收斂速度的影響。
　　 3.應用BP和FIR神經(jīng)網(wǎng)絡進行自相似業(yè)務流量的預測。對于相同的網(wǎng)絡流量樣本，通過比較不同結(jié)構(gòu)的BP和FIR神經(jīng)網(wǎng)絡的預測結(jié)果確定用于預測的最優(yōu)結(jié)構(gòu)。比

4、較BP、FIR和Wiener濾波器對自相似流量的預測結(jié)果，選擇其中預測性能最好的模型用作緩沖區(qū)動態(tài)分配的預測器。
　　 4.根據(jù)預測結(jié)果動態(tài)地分配排隊系統(tǒng)的緩沖區(qū)空間。在幾種緩沖區(qū)分配方案中，分析自相似程度對排隊系統(tǒng)性能的影響，為進行緩沖區(qū)的動態(tài)分配提供依據(jù)。在分析完全分割(CP)和實時動態(tài)共享(RTDS)方案的基礎(chǔ)上，提出基于預測的動態(tài)共享(PBDS)方案。通過仿真比較三種不同方案對排隊系統(tǒng)分組丟失率的影響，同時分析各個方案對