結合分形神經(jīng)網(wǎng)絡理論的網(wǎng)絡流量預測研究.pdf_第1頁
已閱讀1頁，還剩72頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、網(wǎng)絡流量特性的分析、流量建模以及流量預測對于新一代網(wǎng)絡協(xié)議設計、網(wǎng)絡管理和提高網(wǎng)絡服務質(zhì)量等都有重要的意義。本文也正是以網(wǎng)絡流量特性分析為出發(fā)點，對網(wǎng)絡流量預測模型算法及其應用進行了相關的研究。 論文首先對網(wǎng)絡流量特性進行了詳細分析，介紹并實現(xiàn)了六種網(wǎng)絡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)絡流量自相似的成因和對網(wǎng)絡性能的影響。 其次本文歸納總

2、結了網(wǎng)絡流量建模預測發(fā)展過程中的傳統(tǒng)的短相關模型、自相似模型各自的優(yōu)缺點，討論了網(wǎng)絡流量領域最新的分析方法和理論，分析得出：針對同時具有長相關和短相關的自相似網(wǎng)絡業(yè)務流應當采用混合№模型才能更精細的刻畫其特性。 在詳細分析網(wǎng)絡流量特性的基礎上，提出基于分形濾波神經(jīng)網(wǎng)絡的混合流量預測模型，改進神經(jīng)網(wǎng)絡訓練算法，應用該模型對真實網(wǎng)絡流量的變化趨勢進行擬合和預測，實驗結果表明：分形濾波神經(jīng)網(wǎng)絡模型能同時描述自相似流量的長相關和短相關特

3、性，并且其擬合真實流量效果比FARIMA模型、AR模型和BP網(wǎng)絡模型更好；Hurst參數(shù)值越大的仿真流量，其預測精度越高；分形濾波去長相關后真實網(wǎng)絡流量短期預測精度高于傳統(tǒng)回歸模型；分形濾波去短相關的預測模型，在多步預測中更能抓住業(yè)務流的未來變化趨勢。 最后論文將分形預測模型與網(wǎng)絡動態(tài)帶寬分配相結合，仿真實驗表明針對具有分形特性突發(fā)性較強的業(yè)務流，基于預測的動態(tài)網(wǎng)絡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

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論