網(wǎng)絡(luò)流量分析與預(yù)測(cè)模型研究.pdf

1、網(wǎng)絡(luò)流量特征研究和分析是深入理解網(wǎng)絡(luò)內(nèi)在本質(zhì)、了解網(wǎng)絡(luò)運(yùn)行狀況的根本方法和手段,是網(wǎng)絡(luò)性能提升、優(yōu)化網(wǎng)絡(luò)設(shè)計(jì)和實(shí)施流量工程的重要途徑。本文基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并引入季節(jié)周期性算法、混沌算法和分解模型,建立新的網(wǎng)絡(luò)流量預(yù)測(cè)模型。根據(jù)實(shí)際網(wǎng)絡(luò)中測(cè)量得到的網(wǎng)絡(luò)流量數(shù)據(jù),進(jìn)行仿真實(shí)驗(yàn),結(jié)果證明,新模型和算法預(yù)測(cè)誤差低,且具有普適性。針對(duì)網(wǎng)絡(luò)流量預(yù)測(cè),本文主要做了如下工作:
　　(1)針對(duì)靜態(tài)前饋網(wǎng)絡(luò)和 Elman網(wǎng)絡(luò)在網(wǎng)絡(luò)流量預(yù)測(cè)中的不

2、足,建立了一個(gè)基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的流量模型,并提出一種基于季節(jié)周期性學(xué)習(xí)方法,根據(jù)實(shí)際網(wǎng)絡(luò)中測(cè)量得到的網(wǎng)絡(luò)流量數(shù)據(jù),對(duì)網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,該模型具有良好的預(yù)測(cè)效果,相對(duì)于傳統(tǒng)線性模型、BP神經(jīng)網(wǎng)絡(luò)模型及標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測(cè)精度和更好的自適應(yīng)性,應(yīng)用于網(wǎng)絡(luò)流量預(yù)測(cè)是可行、有效的。
　　(2)根據(jù)實(shí)際網(wǎng)絡(luò)中測(cè)量得到的網(wǎng)絡(luò)流量數(shù)據(jù),提出了一種新的改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)模型——SIMF Elman,

3、在網(wǎng)絡(luò)權(quán)值的訓(xùn)練過程中引入了混沌搜索機(jī)制,利用Tent映射的遍歷性進(jìn)行混沌變量的優(yōu)化搜索,減少了數(shù)據(jù)冗余,有效的解決了局部收斂問題。實(shí)驗(yàn)結(jié)果表明,新的模型及算法提高了網(wǎng)絡(luò)的訓(xùn)練速度及網(wǎng)絡(luò)流量的預(yù)測(cè)精度。
　　(3)考慮網(wǎng)絡(luò)流量宏觀行為的特點(diǎn),用數(shù)學(xué)工具將網(wǎng)絡(luò)流量時(shí)序分解成結(jié)構(gòu)相對(duì)簡單的子成分,來表述和預(yù)測(cè)網(wǎng)絡(luò)流量行為的非線性規(guī)律。同時(shí)以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),提出行為預(yù)測(cè)模型,包括分解模型和神經(jīng)網(wǎng)絡(luò)模型,充分考慮了流量行為的周期性、趨