數(shù)據(jù)挖掘技術(shù)在資源和環(huán)境監(jiān)控預(yù)警系統(tǒng)下的應(yīng)用研究.pdf

1、論文中提出了一種可擴展的資源和環(huán)境智能監(jiān)控系統(tǒng)，該系統(tǒng)可以很方便的添加其他監(jiān)控對象。我們通過對比幾種常用數(shù)據(jù)挖掘技術(shù)來選取一種合適的算法應(yīng)用到系統(tǒng)中。在本文中通過結(jié)合監(jiān)控系統(tǒng)的特點，對幾種比較常用的數(shù)據(jù)挖掘算法進(jìn)行深入分析。本文主要對網(wǎng)絡(luò)流量預(yù)測算法進(jìn)行分析與應(yīng)用。首先根據(jù)幾種不同的網(wǎng)絡(luò)流量預(yù)測算法如神經(jīng)網(wǎng)絡(luò)、遺傳算法、支持向量機等分析算法的優(yōu)劣性，并根據(jù)網(wǎng)絡(luò)流量歷史數(shù)據(jù)使用Matlab建立幾種算法預(yù)測模型，得出基于遺傳算法改進(jìn)的神經(jīng)網(wǎng)

2、絡(luò)模型的預(yù)測結(jié)果較好的結(jié)論?；谶z傳算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，主要用遺傳算法改進(jìn)了神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點的個數(shù)選取以及初始權(quán)值閾值。系統(tǒng)其它監(jiān)控數(shù)據(jù)如果需要預(yù)測我們也可以通過同樣的方式選擇常用的模型，實驗分析，最后在系統(tǒng)中實現(xiàn)。而系統(tǒng)異常的診斷我們結(jié)合改進(jìn)了的神經(jīng)網(wǎng)絡(luò)算法對系統(tǒng)異常情況進(jìn)行判斷，系統(tǒng)根據(jù)歷史數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，然后系統(tǒng)運行時采集原始數(shù)據(jù)經(jīng)過一定的預(yù)處理后作為異常判斷模型輸入，從而給出系統(tǒng)異常情況發(fā)出報警?？梢酝ㄟ^人工干

3、預(yù)神經(jīng)網(wǎng)絡(luò)再學(xué)習(xí)的方式來提高判斷模型的正確率以及降低其誤報率。從而實現(xiàn)對一個資源與環(huán)境系統(tǒng)實時狀態(tài)的良好監(jiān)控，通過上面的方式對系統(tǒng)監(jiān)控參數(shù)預(yù)測實現(xiàn)對系統(tǒng)狀態(tài)的預(yù)測，為預(yù)警提供支持。從而可以使管理人員更及時的預(yù)防和發(fā)現(xiàn)系統(tǒng)異常情況。
　　其次論文詳細(xì)介紹了監(jiān)控預(yù)警系統(tǒng)整體架構(gòu)、系統(tǒng)的整體設(shè)計。系統(tǒng)包括SMT監(jiān)控管理中心、SMT下級監(jiān)控中心、數(shù)據(jù)采集中心、數(shù)據(jù)中心、報警中心5個子系統(tǒng)。對于監(jiān)控系統(tǒng)最重要的數(shù)據(jù)采集模塊文中也做了非常詳細(xì)

4、的說明。該系統(tǒng)擴展的主要涉及采集動態(tài)庫的添加、數(shù)據(jù)庫表的建立、控制該采集項、采集數(shù)據(jù)展示的設(shè)置。系統(tǒng)的具體實現(xiàn)主要介紹了SMT監(jiān)控管理中心以及SMT下級監(jiān)控中心使用的主要技術(shù)以及開發(fā)語言。SMT下級監(jiān)控中心的實現(xiàn)是基于C++編程實現(xiàn)的，對于每一個監(jiān)控項都是通過編寫一個特定的數(shù)據(jù)采集模塊來獲取數(shù)據(jù)，系統(tǒng)運行時會調(diào)用這些程序去獲取數(shù)據(jù)。SMT監(jiān)控管理中心系統(tǒng)是基于j2ee編程實現(xiàn)的。我們基于java已有的一些神經(jīng)網(wǎng)絡(luò)的庫來實現(xiàn)系統(tǒng)中的監(jiān)控數(shù)