網(wǎng)絡(luò)流量預(yù)測(cè)中基于群智能優(yōu)化的SVM模型.pdf

1、近年來(lái)網(wǎng)絡(luò)通信技術(shù)飛速發(fā)展，網(wǎng)絡(luò)開(kāi)始承載越來(lái)越多的應(yīng)用服務(wù)，這對(duì)網(wǎng)絡(luò)的服務(wù)質(zhì)量、流量控制和網(wǎng)絡(luò)管理均提出了很高的要求。網(wǎng)絡(luò)流量的分析與預(yù)測(cè)對(duì)于大規(guī)模網(wǎng)絡(luò)容量規(guī)劃、網(wǎng)絡(luò)設(shè)備設(shè)計(jì)、網(wǎng)絡(luò)資源管理及用戶行為調(diào)節(jié)等都有積極意義，高質(zhì)量的網(wǎng)絡(luò)流量預(yù)測(cè)越來(lái)越顯得重要和迫切。本文以流量特性分析為出發(fā)點(diǎn)，對(duì)網(wǎng)絡(luò)流量的特征模型及其預(yù)測(cè)方法進(jìn)行相關(guān)研究。論文的主要工作歸納如下：
　　 1.分析并綜合討論了獲取真實(shí)網(wǎng)絡(luò)流量的途徑，探討了樣本中異常數(shù)據(jù)的

2、預(yù)處理問(wèn)題，為網(wǎng)絡(luò)流量預(yù)測(cè)模型的建立提供可靠依據(jù)。
　　 2.對(duì)真實(shí)的網(wǎng)絡(luò)流量的突發(fā)性、長(zhǎng)相關(guān)、周期性和混沌性等特性進(jìn)行分析，在此基礎(chǔ)上對(duì)現(xiàn)有的網(wǎng)絡(luò)流量預(yù)測(cè)模型進(jìn)行總結(jié)，對(duì)比分析了各預(yù)測(cè)模型的優(yōu)勢(shì)和不足。針對(duì)網(wǎng)絡(luò)流量的復(fù)雜特性，利用小波變換對(duì)網(wǎng)絡(luò)流量進(jìn)行處理，提取出網(wǎng)絡(luò)流量的不同特性，以便分別建模。
　　 3.針對(duì)量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimization，

3、QPSO)在處理復(fù)雜多極值問(wèn)題時(shí)易陷入局部最優(yōu)，收斂速度慢和精度低的缺陷，提出一種極值擾動(dòng)和混沌搜索相結(jié)合的量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimizationwith Extremum Disturbance and Chaotic Searching，DCQPSO)。利用極值擾動(dòng)來(lái)幫助粒子快速跳出局部最優(yōu)，利用混沌搜索來(lái)增強(qiáng)粒子群的局部搜索能力。實(shí)驗(yàn)結(jié)果表明，DCQPSO在擺脫局

4、部最優(yōu)的能力、收斂速度和精度上都大大優(yōu)于基本QPSO。然后利用DCQPSO來(lái)優(yōu)選支持向量機(jī)(Support Vector Machine，SVM)參數(shù)，仿真示例驗(yàn)證了DCQPSO在優(yōu)選SVM參數(shù)的可行性和有效性。
　　 4.針對(duì)網(wǎng)絡(luò)流量的復(fù)雜特性和現(xiàn)有模型的缺陷，提出一種基于小波變換和優(yōu)化的SVM的網(wǎng)絡(luò)流量預(yù)測(cè)模型(WaOSVM)。首先選擇合適的小波基和分解級(jí)數(shù)對(duì)網(wǎng)絡(luò)流量進(jìn)行無(wú)抽取小波分解得到小波系數(shù)和尺度系數(shù)，然后選取適當(dāng)核函