IP网络流量变权组合预测模型研究

论文摘要

随着Internet及其应用的迅速发展,网络开始承载越来越多的应用服务,网络行为特征日趋复杂,这给网络规划、网络管理以及服务质量带来了越来越大挑战。IP网络流量建模及预测是带宽分配、流量工程、性能分析、路由控制及差错控制的基础和主要参考依据。本文首先分析了IP网络流量的主要特性,分析比较了几种传统的IP网络流量预测模型的优缺点,在此基础上提出了基于残差改进的灰色预测模型,该模型通过对灰色模型的残差序列做指数化处理,从而使得正负交替序列向非负序列转化。实验结果表明,改进后的模型具有较高的预测精度。针对常权组合模型的权值恒定不变,很难精确预测现实网络流量的问题,本文提出了模糊自适应的变权组合预测模型,该模型由改进后的残差灰色模型和BP神经网络模型组成,引入模糊决策机制和自适应机制,通过对数据的处理得到组合模型中单一模型的模糊权值和基本权值,然后计算得出该单一模型在组合模型中的权值。实验结果表明,模糊自适应的变权组合预测模型与常权组合预测模型相比,性能更优。但实验同时也发现,在小时间粒度网络流量预测中,当预测步长超过7步以后,预测误差超过20%。针对此问题,本文提出了动态变权组合预测模型,即在原模型的基础上引入动态机制。当预测误差超过设定阀值时,变权组合预测模型也随之进行重构,从而减少预测误差。实验结果表明,动态变权组合预测模型比原模型在预测步长上有所增长。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 研究现状
• 1.3 本文的主要研究工作
• 1.4 论文的组织结构
• 第二章 IP 网络流量特性和流量模型概述
• 2.1 IP 网络流量特性
• 2.1.1 自相似过程
• 2.1.2 长相关性
• 2.1.3 多重分形和突发性
• 2.2 网络流量模型及其性能评价
• 2.2.1 Poisson 模型
• 2.2.2 马尔柯夫模型
• 2.2.3 ARMA 模型
• 2.2.4 ON/OFF 模型
• 2.2.5 小波模型
• 2.2.6 神经网络模型
• 2.3 小结
• 第三章 基于灰色理论的IP 网络流量预测模型改正
• 3.1 灰色理论基础
• 3.1.1 灰色系统理论原理和方法
• 3.1.2 数据序列的光滑比
• 3.1.3 灰色模型的适用范围
• 3.1.4 灰色模型的检验
• 3.2 基于灰色理论的IP 网络流量预测模型改进
• 3.2.1 基于GM（1,1）网络流量预测
• 3.2.2 灰色模型网络流量预测的适用条件
• 3.2.3 基于残差的灰色网络预测模型
• 3.2.4 改进的残差灰色模型构建方法
• 3.3 基于残差改进的灰色网络流量预测模型的实验仿真
• 3.3.1 仿真工具
• 3.3.2 IP 网络流量样本及特性分析
• 3.3.3 实验仿真结果与分析
• 3.4 小结
• 第四章 IP 网络流量变权组合预测模型研究
• 4.1 组合预测理论
• 4.2 模糊自适应变权组合预测模型
• 4.2.1 模糊策略及模糊权值的确定
• 4.2.2 自适应机制及基本权值的确定
• 4.2.3 模糊自适应的变权组合预测模型
• 4.2.4 模糊自适应变权组合预测模型实现过程
• 4.2.5 BP 神经网络的训练
• 4.2.6 仿真结果与分析
• 4.3 动态变权组合预测模型
• 4.3.1 动态变权组合预测模型构建方法
• 4.3.2 动态变权组合预测模型仿真实验
• 4.4 小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 成果目录
• 致谢