本文關鍵詞： 網(wǎng)絡流量 混沌理論 最小二乘支持向量機 徑向基核函數(shù) 參數(shù)優(yōu)化　出處：《微電子學與計算機》2016年02期 　論文類型：期刊論文

【摘要】：流量預測是網(wǎng)絡管理的基礎,為了提高網(wǎng)絡流量的預測精度,考慮模型參數(shù)之間的相互影響,提出一種模型參數(shù)聯(lián)合求解的網(wǎng)絡流量混沌預測模型.首先收集網(wǎng)絡流量歷史數(shù)據(jù),采用混沌理論對歷史數(shù)據(jù)進行重構,并確定模型參數(shù)范圍,然后運用遺傳算法模擬自然界的"適者生存、優(yōu)勝劣汰"機制對模型參數(shù)進行聯(lián)合求解,根據(jù)最優(yōu)個體得到模型的最合理參數(shù).最后根據(jù)最合理參數(shù)對網(wǎng)絡流量訓練樣本進行學習,建立網(wǎng)絡流量預測模型,并采用仿真實驗對模型的性能進行對比分析.結果表明,此模型通過混沌理論可以有效挖掘歷史數(shù)據(jù)中的網(wǎng)絡流量變化特點,通過參數(shù)聯(lián)合求解建立了精度高的網(wǎng)絡流量預測模型,為非線性網(wǎng)絡流量預測提供了一種新的建模思路.
[Abstract]:Traffic forecasting is the basis of network management. In order to improve the accuracy of network traffic prediction, the interaction between model parameters is considered. This paper presents a chaotic forecasting model of network traffic which is solved jointly with model parameters. Firstly, the historical data of network traffic are collected, and the historical data are reconstructed by using chaos theory, and the parameters range of the model is determined. Then the genetic algorithm is used to simulate the natural "survival of the fittest, survival of the fittest" mechanism to solve the model parameters. According to the optimal individual, the most reasonable parameters of the model are obtained. Finally, the network traffic training samples are studied according to the most reasonable parameters, the network traffic prediction model is established, and the performance of the model is compared and analyzed by simulation experiments. The results show that, This model can effectively mine the characteristics of network traffic change in historical data by chaos theory, and set up a high precision network traffic prediction model through the joint solution of parameters, which provides a new modeling idea for nonlinear network traffic prediction.
【作者單位】： 肇慶學院教育技術與計算機中心;
【基金】：廣東省科技項目(2012B061700063)
【分類號】：TP393.06

【參考文獻】

相關期刊論文 前2條

1 魏永濤;汪晉寬;王翠榮;張琨;;基于小波變換與組合模型的網(wǎng)絡流量預測算法[J];東北大學學報(自然科學版);2011年10期

2 王升輝;裘正定;;結合多重分形的網(wǎng)絡流量非線性預測[J];通信學報;2007年02期

【共引文獻】

相關期刊論文 前10條

1 王以寧;李興華;遲學芬;;基于神經(jīng)網(wǎng)絡的VBR視頻流量建模及預測[J];吉林大學學報(信息科學版);2008年05期

2 李爭平;郭更生;;基于自相似流的無線Mesh網(wǎng)絡信道分配算法[J];高技術通訊;2008年06期

3 周旭晨;陳建勛;;面向管控一體化網(wǎng)絡的網(wǎng)管系統(tǒng)模型與關鍵技術研究[J];工業(yè)控制計算機;2012年07期

4 郭通;蘭巨龍;李玉峰;江逸茗;;基于量子自適應粒子群優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡的網(wǎng)絡流量預測[J];電子與信息學報;2013年09期

5 劉春;;基于誤差校正的網(wǎng)絡流量組合預測[J];福建電腦;2014年02期

6 李敏;;通信網(wǎng)業(yè)務流量特性及話務量模型[J];電信快報;2014年04期

7 杜振寧;;布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡的網(wǎng)絡流量預測[J];電子技術應用;2015年03期

8 高茜;李廣俠;胡婧;;基于非負矩陣分解的IP流量預測[J];計算機科學;2012年01期

9 邵忻;;一種新的基于ARIMA-SVM網(wǎng)絡流量預測研究[J];計算機應用研究;2012年05期

10 段謨意;;一種新的網(wǎng)絡流量組合預測模型[J];計算機工程與應用;2012年19期

相關博士學位論文 前9條

1 李立;高突發(fā)性自相似網(wǎng)絡業(yè)務流量理論及建模分析研究[D];華中科技大學;2008年

2 杜必強;振動故障遠程診斷中的分形壓縮及分形診斷技術研究[D];華北電力大學（河北）;2009年

3 朱行健;基于802.11的無線Mesh網(wǎng)絡MAC層關鍵技術的研究[D];北京郵電大學;2008年

4 孫韓林;互聯(lián)網(wǎng)流量、時延性質(zhì)及預測模型研究[D];北京郵電大學;2010年

5 馬曉艷;網(wǎng)絡流量模型化與擁塞控制研究[D];北京化工大學;2012年

6 高波;基于時間相關的網(wǎng)絡流量建模與預測研究[D];哈爾濱工業(yè)大學;2013年

7 郭通;基于自適應流抽樣測量的網(wǎng)絡異常檢測技術研究[D];解放軍信息工程大學;2013年

8 陳世文;基于譜分析與統(tǒng)計機器學習的DDoS攻擊檢測技術研究[D];解放軍信息工程大學;2013年

9 朱銓;鐵路干線移動互聯(lián)網(wǎng)的異構網(wǎng)絡部署與流控關鍵技術研究[D];中南大學;2014年

相關碩士學位論文 前10條

1 夏榕澤;基于網(wǎng)絡流量數(shù)據(jù)特征分析的預測技術研究[D];國防科學技術大學;2011年

2 李興華;基于神經(jīng)網(wǎng)絡的VBR視頻流量建模及預測[D];吉林大學;2008年

3 胡際濤;基于IPFIX協(xié)議的數(shù)據(jù)傳輸系統(tǒng)[D];華東師范大學;2008年

4 王鵬;網(wǎng)絡流量預測技術研究[D];江南大學;2009年

5 汪志勇;結合分形神經(jīng)網(wǎng)絡理論的網(wǎng)絡流量預測研究[D];江西師范大學;2009年

6 司文;網(wǎng)絡流量自相似性分析與預測研究[D];天津大學;2009年

7 趙宇茜;基于分形的低壓PLC信道特性研究[D];河北大學;2010年

8 周旭晨;網(wǎng)絡流量監(jiān)控系統(tǒng)的搭建，，應用與數(shù)據(jù)分析[D];武漢科技大學;2012年

9 張正浩;海水位預測誤差的研究[D];華東師范大學;2014年

10 朱倩雨;網(wǎng)絡流量預測模型的研究[D];新疆大學;2014年

【二級參考文獻】

相關期刊論文 前3條

1 于振明;郭亞軍;楊征;侯芳;;一種基于專家理性預期的組合預測方法及應用[J];東北大學學報(自然科學版);2010年06期

2 洪飛;吳志美;;基于小波的多尺度網(wǎng)絡流量預測模型[J];計算機學報;2006年01期

3 王升輝;裘正定;;MPEG-4視頻流量多重分形建模[J];通信學報;2006年10期

【相似文獻】

相關期刊論文 前10條

1 姜明;吳春明;張e

本文編號：1552846