Web網(wǎng)絡(luò)流量的組合預(yù)測研究.pdf

1、網(wǎng)絡(luò)流量是衡量網(wǎng)絡(luò)運(yùn)行負(fù)荷和狀態(tài)的重要參數(shù)，也是網(wǎng)絡(luò)規(guī)劃、流量管理等方面起著重要作用的重要參數(shù)。在流量管理中，流量模型用于評價接入控制機(jī)制和預(yù)測網(wǎng)絡(luò)性能。在網(wǎng)絡(luò)資源有限的情況下，建立網(wǎng)絡(luò)流量模型，預(yù)測網(wǎng)絡(luò)負(fù)載，及時做出控制或調(diào)整，將會極大提高網(wǎng)絡(luò)性能和服務(wù)質(zhì)量。
　　 本文以網(wǎng)絡(luò)流量特性分析為基礎(chǔ)，對基于網(wǎng)絡(luò)流量的特征模型及其預(yù)測進(jìn)行了相關(guān)研究。論文首先敘述了國內(nèi)外對流量研究的現(xiàn)狀，接著分析了網(wǎng)絡(luò)流量的幾個主要特性及其在網(wǎng)絡(luò)流量

2、中的表現(xiàn)與對網(wǎng)絡(luò)業(yè)務(wù)的影響。重點(diǎn)分析了網(wǎng)絡(luò)流量的非平穩(wěn)性，然后，給出了網(wǎng)絡(luò)流量預(yù)測模型——針對網(wǎng)絡(luò)流量具有的平穩(wěn)性和非平穩(wěn)性，并選取與之相適應(yīng)的單一預(yù)測模型包括ARIMA預(yù)測模型，遺傳神經(jīng)網(wǎng)絡(luò)模型，Elman神經(jīng)網(wǎng)絡(luò)三種模型。其中ARIMA模型具有線性數(shù)據(jù)預(yù)測能力，能刻畫出流量的相關(guān)性，遺傳神經(jīng)網(wǎng)絡(luò)算法在改進(jìn)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上具有非線性數(shù)據(jù)預(yù)測能力，能夠更好的刻畫流量的非平穩(wěn)性，Elman神經(jīng)網(wǎng)絡(luò)在Elman網(wǎng)絡(luò)的內(nèi)部加入了網(wǎng)絡(luò)本身處理動態(tài)

3、信息的能力，把該網(wǎng)絡(luò)用作流量中非線性關(guān)系數(shù)據(jù)預(yù)測的網(wǎng)絡(luò)單元，可以保證流量的非平穩(wěn)性特征。對這三種算法深入的分析，并對各個單一算法進(jìn)行網(wǎng)絡(luò)流量預(yù)測的仿真實(shí)驗(yàn)。其次，基于上述三種算法本文提出通過基于最優(yōu)組合和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型，并進(jìn)行仿真。對于最優(yōu)組合權(quán)系數(shù)，通過各個算法預(yù)測的誤差最小，來確定組合權(quán)系數(shù);對于BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測，BP神經(jīng)網(wǎng)絡(luò)可以擬和三個單一預(yù)測模型的預(yù)測結(jié)果，起到減小誤差的作用。通過對比單一預(yù)測和組合預(yù)測算法仿真效