結(jié)合分形神經(jīng)網(wǎng)絡(luò)理論的網(wǎng)絡(luò)流量預(yù)測研究.pdf

1、網(wǎng)絡(luò)流量特性的分析、流量建模以及流量預(yù)測對于新一代網(wǎng)絡(luò)協(xié)議設(shè)計、網(wǎng)絡(luò)管理和提高網(wǎng)絡(luò)服務(wù)質(zhì)量等都有重要的意義。本文也正是以網(wǎng)絡(luò)流量特性分析為出發(fā)點，對網(wǎng)絡(luò)流量預(yù)測模型算法及其應(yīng)用進(jìn)行了相關(guān)的研究。 論文首先對網(wǎng)絡(luò)流量特性進(jìn)行了詳細(xì)分析，介紹并實現(xiàn)了六種網(wǎng)絡(luò)流量分形維度的估算方法，通過仿真實驗對比驗證了各種估算方法的精度以及周期和噪聲信號對估算方法的影響；同時論文探討了網(wǎng)絡(luò)流量自相似的成因和對網(wǎng)絡(luò)性能的影響。 其次本文歸納總

2、結(jié)了網(wǎng)絡(luò)流量建模預(yù)測發(fā)展過程中的傳統(tǒng)的短相關(guān)模型、自相似模型各自的優(yōu)缺點，討論了網(wǎng)絡(luò)流量領(lǐng)域最新的分析方法和理論，分析得出：針對同時具有長相關(guān)和短相關(guān)的自相似網(wǎng)絡(luò)業(yè)務(wù)流應(yīng)當(dāng)采用混合№模型才能更精細(xì)的刻畫其特性。 在詳細(xì)分析網(wǎng)絡(luò)流量特性的基礎(chǔ)上，提出基于分形濾波神經(jīng)網(wǎng)絡(luò)的混合流量預(yù)測模型，改進(jìn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，應(yīng)用該模型對真實網(wǎng)絡(luò)流量的變化趨勢進(jìn)行擬合和預(yù)測，實驗結(jié)果表明：分形濾波神經(jīng)網(wǎng)絡(luò)模型能同時描述自相似流量的長相關(guān)和短相關(guān)特

3、性，并且其擬合真實流量效果比FARIMA模型、AR模型和BP網(wǎng)絡(luò)模型更好；Hurst參數(shù)值越大的仿真流量，其預(yù)測精度越高；分形濾波去長相關(guān)后真實網(wǎng)絡(luò)流量短期預(yù)測精度高于傳統(tǒng)回歸模型；分形濾波去短相關(guān)的預(yù)測模型，在多步預(yù)測中更能抓住業(yè)務(wù)流的未來變化趨勢。 最后論文將分形預(yù)測模型與網(wǎng)絡(luò)動態(tài)帶寬分配相結(jié)合，仿真實驗表明針對具有分形特性突發(fā)性較強的業(yè)務(wù)流，基于預(yù)測的動態(tài)網(wǎng)絡(luò)帶寬分配策略能有效的減少信元丟失率、傳送時延及隊列長度，大大提高