基于回声状态网络的网络流量预测研究

发布时间：2017-07-14 12:35

  本文关键词：基于回声状态网络的网络流量预测研究

  更多相关文章： 网络流量预测 回声状态网络 共生生物搜索 集合经验模态分解 混沌局部搜索

【摘要】：网络流量是通过网络所传输的数据量。由于网络流量蕴涵了网络运行时的关键信息,是管理和优化网络的重要基础数据,因此对网络流量的分析与预测十分重要。随着网络业务的不断丰富,网络流量也呈现出越来越错综复杂的特性。利用网络流量预测模型,可以帮助人们提前感知网络未来的态势,这对于网络规划、资源配置和网络安全等关键技术的发展具有深远的影响。如何建立一个既高效又准确的模型来预测网络流量已经成为了一个具有挑战性的研究热点。作为一种广受关注的新型递归人工神经网络,回声状态网络(Echo State Network,ESN)具有计算高效且易于使用的优势。此外,由于ESN使用了储备池计算框架,具备动态记忆能力,因此特别适合处理时间相关的建模问题,并且已经被成功地应用在各种时间序列预测工程实践中。而历史网络流量记录可以看作时间序列数据,对网络流量的预测也可以看作一个标准的时间序列预测问题,因此可以使用ESN模型对其进行建模分析。但是,由于现代网络流量具有自相似、长程相关和多重分形等复杂的多尺度特性,而标准的ESN模型不能有效识别网络流量中的多尺度特性,因此会导致预测精度上的损失。本文通过改进共生生物搜索(Symbiotic Organisms Search,SOS)算法,结合集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法,提出了一种基于ESN的网络流量预测模型。使用集合经验模态分解算法依据网络流量的多尺度特性将数据进行模态分解,分离出的高频信号和重构数据作为ESN的输入,并使用本文提出的混沌局部共生生物搜索算法C-SOS对ESN模型的输入权值进行优化。本文将所提模型运用在两个真实数据集上进行网络流量预测。实验结果表明,该模型相对于其它模型具有较高的预测精度,是一种有效的网络流量预测模型。
【关键词】：网络流量预测 回声状态网络 共生生物搜索 集合经验模态分解 混沌局部搜索
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.06
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 研究背景及意义7
• 1.2 国内外研究现状7-9
• 1.3 本文的研究内容9
• 1.4 论文的组织结构9-11
• 第二章 网络流量的特性与预测模型11-19
• 2.1 网络流量的特性11-13
• 2.1.1 网络流量的自相似性11-12
• 2.1.2 网络流量的长程相关性12
• 2.1.3 网络流量的多重分形性12-13
• 2.2 网络流量预测模型13-19
• 2.2.1 结合信号分析技术的混合模型13-14
• 2.2.2 支持向量回归模型14-15
• 2.2.3 神经网络模型15-19
• 第三章 SOS算法基本原理及其改进19-29
• 3.1 SOS算法19-22
• 3.2 混沌理论22-24
• 3.3 C-SOS算法24-25
• 3.4 实验仿真及结果分析25-29
• 第四章 基于ESN的网络流量预测模型29-45
• 4.1 EEMD29-30
• 4.2 ESN30-33
• 4.2.1 ESN的结构30-31
• 4.2.2 ESN的训练过程31-32
• 4.2.3 ESN的性能分析32-33
• 4.3 EC-SOS-ESN模型33-34
• 4.4 实验仿真及结果分析34-45
• 4.4.1 模型评价标准35-36
• 4.4.2 模型输入确定36-37
• 4.4.3 模型参数确定37-38
• 4.4.4 实验结果分析38-45
• 第五章 总结及展望45-47
• 5.1 总结45-46
• 5.2 展望46-47
• 参考文献47-50
• 在学期间研究成果50-51
• 致谢51

【相似文献】

中国期刊全文数据库 前10条

1 陈振伟;王茜;黄继红;;基于多神经网络的网络流量预测模型[J];计算机安全;2010年12期

2 于静;王辉;;基于组合模型的网络流量预测[J];计算机工程与应用;2013年08期

3 叶苗;王勇;;基于支持向量回归学习机的网络流量预测[J];桂林工学院学报;2007年02期

4 张正本;翟海庆;;基于组合模型的网络流量预测[J];河南机电高等专科学校学报;2008年06期

5 周丹琪;乔国平;张泉方;;基于K-Factor GARMA模型的网络流量预测[J];江南大学学报(自然科学版);2008年02期

6 姜明;吴春明;张e，

本文编号：541096