基于多种网络模型混合的流量预测技术研究
本文关键词:基于多种网络模型混合的流量预测技术研究
更多相关文章: 网络模型 流量预测 小波变换 ARIMA RBF Matlab仿真
【摘要】:网络流量预测是采用一定的预测模型,根据收集的网络流量变化数据对将来某一时刻网络流量进行预测,为网络管理员掌握网络运行状况提供一定指导。传统网络流量预测方法有线性回归模型、泊松模型、马尔可夫模型和时间序列预测模型,由于网络流量数据是实质上一种时间序列,因此时间序列模型是最为常用的传统模型。近些年来,非线性预测理论进行深入的发展,出现了像神经网络、支持向量机等机器学习方法,并将它们应用于网络控制管理中。论文首先研究和分析了小波变换技术和当前几种常用的网络预测模型。通过研究我们发现时间序列分析是传统网络流量模型的基础。借助这个特点,传统流量模型在平稳序列方面拥有良好的预测能力。但是在网络日益复杂化的今天,网络流量开始出现不平稳的特点,这样,传统网络模型在预测能力上就表现得力不从心了。通过对小波技术的研究讨论,我们发现小波技术可以对具备长程依赖性的流量数据作去相关处理,可以将在时域不好处理的问题转变到频域中来。小波技术的这种多分辨的特点可以高效地处理因网络流量的突发性,相似性,自相关特性等等纠结在一起造成的复杂情况。虽然被小波技术逐层解构到不同的频域上的信号变得单一,但是却更加平滑。因此本文提出了一种混合模型设计方案。首先将信号分解成线性部分和非线性部分,然后分别利用针对性的模型加以预测和分析,最后合并得到最终预测结果。这里只要指通过引入小波技术,并将其与传统流量模型结合,这样就可以充分将传统流量模型在平稳序列预测方面精度上的优势发挥出来。首先利用小波分解技术将非平稳时间序列分解成适当的不同频段上的多个平稳时间序列,随后利用传统网络流量模型对这平稳时间子序列分别建模,最后将子序列在原尺度上恢复并获得预测结果。在引进小波分解技术提高预测精度的同时,我们意识到,如果对分解层数分别建模,这样的方法将会严重影响到时间的复杂度。因此本文考虑利用合适的流量预测模型,尽可能减少建模次数。这种方法的前提是相似序列的特性平稳,平稳序列进行代数运算仍然是平稳的,因而仍然可以得到合理的最终结果,实验证明,预测精度没有受到影响。通过实验证明,这种改善时间复杂度的措施并没有影响到预测的精度,预测结果相比在引入小波分解技术后进行简单的所有子序列完全建模的方式甚至有所提高。因此,该利用小波和多种网络模型混合进行网络流量预测的方法是完全可行的。
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP393.06
【相似文献】
中国期刊全文数据库 前10条
1 王曙燕;唐家益;樊相宇;李燕;;邮件流量预测系统的开发[J];西安邮电学院学报;1996年03期
2 黄晓璐;闵应骅;;基于网络流量半马尔柯夫模型的流量预测[J];计算机工程;2006年14期
3 罗峗骞;夏靖波;王焕彬;;混沌-支持向量机回归在流量预测中的应用研究[J];计算机科学;2009年07期
4 党小超;阎林;;基于多元线性自回归模型的流量预测[J];计算机工程;2012年01期
5 林维锵;;基于时间序列的校园网流量预测研究[J];电脑与电信;2008年08期
6 韩秋凤;;基于流量预测和相关系数的异常检测[J];微计算机信息;2010年01期
7 黄晓璐;闵应骅;;基于半马尔柯夫过程的流量预测方法[J];计算机应用;2006年03期
8 邓宗强;曾碧卿;;一种新参数优化算法及其在流量预测中的应用[J];计算机技术与发展;2013年10期
9 陆国浩;;一种基于BP网络的局域网流量预测方法[J];沙洲职业工学院学报;2010年01期
10 华洲;;改进的最大Lyapunov指数的流量预测[J];电脑知识与技术;2011年03期
中国重要会议论文全文数据库 前5条
1 王桂娟;陈宁;徐同阁;;基于ARMA的IP网络流量建模方法研究[A];2006全国复杂网络学术会议论文集[C];2006年
2 李千目;戚勇;吴克力;杨云;张宏;刘凤玉;;一种新的网络拥塞流量预测方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 蔡亚桥;符永正;;多泵并联变台数调节的流量预测[A];全国暖通空调制冷2006年学术年会论文集[C];2006年
4 郭冠英;;综合型交通分配模型与路网流量预测[A];全国城市道路与交通工程学术会议论文集[C];1991年
5 周春月;董海荣;张宏科;;一种基于误差补偿预测模型的VPN网络资源管理研究[A];第二十九届中国控制会议论文集[C];2010年
中国重要报纸全文数据库 前1条
1 秦风;创业初期的四个关键问题[N];中国妇女报;2006年
中国博士学位论文全文数据库 前1条
1 赵其刚;基于流量预测的下一代网络动态QoS研究[D];西南交通大学;2005年
中国硕士学位论文全文数据库 前10条
1 路阳;基于多种网络模型混合的流量预测技术研究[D];山东大学;2016年
2 蒋海;电信数据网性能监测与流量预测技术研究及实现[D];吉林大学;2005年
3 刘英峰;认知网络的流量预测和负载均衡研究[D];南京邮电大学;2011年
4 季节;空域交通流量预测研究与系统实现[D];西安建筑科技大学;2014年
5 晋建志;基于自相似流量预测的WTP-ARED主动队列管理算法研究[D];中南民族大学;2008年
6 夏士海;贵空分局流量管理系统的设计研究[D];电子科技大学;2010年
7 葛柏君;短期区域飞行流量预测问题研究[D];南京航空航天大学;2008年
8 石彦君;西南地区航班监视及流量预测系统升级和功能扩展[D];电子科技大学;2013年
9 郑寅杰;认知网络中基于流量预测的负载均衡技术研究和实现[D];北京邮电大学;2014年
10 唱雪;基于BP神经网络理论的校园网带宽流量预测[D];哈尔滨工程大学;2008年
,本文编号:1241675
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/1241675.html