【摘要】：現(xiàn)有的諸多網(wǎng)絡(luò)流量預(yù)測模型存在預(yù)測穩(wěn)定性不好、精度較低等問題。針對此類問題,研究了一種通過GAFSA(全局人工魚群算法)優(yōu)化SVR模型的網(wǎng)絡(luò)流量預(yù)測方法。GAFSA是一種群智能優(yōu)化算法,尋優(yōu)效果顯著。采用GAFSA對SVR預(yù)測模型進(jìn)行參數(shù)尋優(yōu),可以得到使預(yù)測效果最佳的訓(xùn)練參數(shù);使用這組最優(yōu)參數(shù)訓(xùn)練SVR,建立網(wǎng)絡(luò)流量預(yù)測模型,可以很好地改善基于其他智能優(yōu)化算法改進(jìn)的SVR網(wǎng)絡(luò)流量預(yù)測模型多次預(yù)測結(jié)果相差較大的問題,使預(yù)測結(jié)果趨于穩(wěn)定,同時也可以提高預(yù)測精準(zhǔn)度。仿真結(jié)果表明,GAFSA-SVR網(wǎng)絡(luò)流量預(yù)測模型與其他模型相比,預(yù)測結(jié)果基本穩(wěn)定,精準(zhǔn)度提高到89%以上,對于指導(dǎo)網(wǎng)絡(luò)控制行為、分析網(wǎng)絡(luò)安全態(tài)勢有重要意義。
[Abstract]:Many existing network traffic prediction models have some problems, such as poor prediction stability and low accuracy. In order to solve this problem, a network traffic prediction method based on GAFSA (Global artificial Fish Swarm algorithm) for optimizing SVR model is studied. GAFSA is an intelligent optimization algorithm with remarkable optimization effect. Using GAFSA to optimize the parameters of SVR prediction model, the best training parameters can be obtained. Using this set of optimal parameters to train SVR, to set up network traffic prediction model can improve the problem that the multiple prediction results of SVR network traffic prediction model based on other intelligent optimization algorithms differ greatly, and make the prediction results tend to be stable. At the same time, it can also improve the accuracy of prediction. The simulation results show that compared with other models, the GAFSA-SVR network traffic prediction model is basically stable, and the accuracy is improved to more than 89%, which is of great significance for guiding the network control behavior and analyzing the network security situation.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【基金】：江蘇省自然科學(xué)基金重點(diǎn)研究專項(xiàng)基金資助項(xiàng)目(BK2011003) 國家自然科學(xué)基金資助項(xiàng)目(61103223) 江蘇省六大人才高峰基金資助項(xiàng)目
【分類號】：TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 郝清民;R/S系列分析的非線性估計及應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2005年03期

2 劉杰;黃亞樓;;基于BP神經(jīng)網(wǎng)絡(luò)的非線性網(wǎng)絡(luò)流量預(yù)測[J];計算機(jī)應(yīng)用;2007年07期

3 薛可,李增智,劉瀏,宋承謙;基于ARIMA模型的網(wǎng)絡(luò)流量預(yù)測[J];微電子學(xué)與計算機(jī);2004年07期

4 鄒柏賢,劉強(qiáng);基于ARMA模型的網(wǎng)絡(luò)流量預(yù)測[J];計算機(jī)研究與發(fā)展;2002年12期

相關(guān)碩士學(xué)位論文 前1條

1 李麗;基于支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測研究[D];南京理工大學(xué);2007年

【共引文獻(xiàn)】

相關(guān)期刊論文 前4條

1 蔣海;劉淑芬;姚志林;龐世春;張新佳;蘭慶國;;一個網(wǎng)絡(luò)流量監(jiān)測與預(yù)測系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(理學(xué)版);2006年01期

2 王建新,肖雪峰,高文宇;小時間粒度網(wǎng)絡(luò)流量自回歸預(yù)測分析[J];計算機(jī)工程與應(yīng)用;2005年26期

3 王靖華;何迪;;基于數(shù)據(jù)包字節(jié)長度的線性自回歸(Autoregression)和支持向量分類機(jī)(SVM)的網(wǎng)絡(luò)流量預(yù)測建模與分析[J];微型電腦應(yīng)用;2005年11期

4 張愛萍,趙明旺;網(wǎng)絡(luò)中的流量模型[J];武漢科技大學(xué)學(xué)報(自然科學(xué)版);2004年02期

相關(guān)會議論文 前1條

1 桂曉琳;許向陽;;基于Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

相關(guān)博士學(xué)位論文 前7條

1 趙其剛;基于流量預(yù)測的下一代網(wǎng)絡(luò)動態(tài)QoS研究[D];西南交通大學(xué);2005年

2 鄭軍;網(wǎng)絡(luò)惡意數(shù)據(jù)流的檢測與控制技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2006年

3 王楠;無線局域網(wǎng)的網(wǎng)絡(luò)流量特性與建模研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2003年

4 魏進(jìn)武;基于分形的網(wǎng)絡(luò)流量建模及排隊(duì)性能研究[D];解放軍信息工程大學(xué);2006年

5 林青家;基于小波的網(wǎng)絡(luò)流量的特性刻畫與模型建立[D];山東大學(xué);2007年

6 劉m:辛;無線通信網(wǎng)接入性能分析的建模與優(yōu)化研究[D];燕山大學(xué);2006年

7 殷禮勝;交通流量時間序列混沌特性分析及預(yù)測研究[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 冷寧;網(wǎng)絡(luò)流量監(jiān)控系統(tǒng)的研究和應(yīng)用[D];合肥工業(yè)大學(xué);2004年

2 張愛萍;基于FARIMA的網(wǎng)絡(luò)流量分形維數(shù)的分析方法研究[D];武漢科技大學(xué);2004年

3 李衛(wèi)民;ARMA-廣義回歸神經(jīng)網(wǎng)絡(luò)技術(shù)在股票預(yù)測中的應(yīng)用研究[D];山東科技大學(xué);2004年

4 鄧輝;大規(guī)模網(wǎng)絡(luò)流量及安全狀態(tài)模擬系統(tǒng)研究[D];浙江大學(xué);2005年

5 陳亞軍;自相似網(wǎng)絡(luò)流量的產(chǎn)生與研究[D];武漢科技大學(xué);2005年

6 胡曉婷;基于突變理論的復(fù)雜網(wǎng)絡(luò)系統(tǒng)行為預(yù)測研究[D];西安建筑科技大學(xué);2006年

7 蔣慶華;一種基于小波變換及自回歸模型的網(wǎng)絡(luò)流量預(yù)測算法[D];吉林大學(xué);2006年

8 楊偉;基于時間序列預(yù)測的IP控制網(wǎng)關(guān)集群的設(shè)計與實(shí)現(xiàn)[D];蘇州大學(xué);2006年

9 周嘉亮;VoIP控管系統(tǒng)實(shí)現(xiàn)與研究[D];哈爾濱工業(yè)大學(xué);2006年

10 羅海云;突發(fā)約束流量模型在校園網(wǎng)的研究與運(yùn)用[D];西南交通大學(xué);2006年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付強(qiáng);;一種基于RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)臺分系統(tǒng)故障診斷方法[J];傳感器與微系統(tǒng);2007年06期

2 楊虞微;左洪福;陳果;;支持向量機(jī)時間序列預(yù)測模型的參數(shù)影響分析與自適應(yīng)優(yōu)化[J];航空動力學(xué)報;2006年04期

3 鄒柏賢,劉強(qiáng);基于ARMA模型的網(wǎng)絡(luò)流量預(yù)測[J];計算機(jī)研究與發(fā)展;2002年12期

4 陳夢根;中國股市長期記憶效應(yīng)的實(shí)證研究[J];經(jīng)濟(jì)研究;2003年03期

5 譚曉玲,許勇,張凌,梅成剛,劉蘭;基于小波分解的網(wǎng)絡(luò)流量模型[J];計算機(jī)工程與應(yīng)用;2005年09期

6 胡申敏;許維勝;王中杰;余有靈;;基于分?jǐn)?shù)差分和Fuzzy-AR的網(wǎng)絡(luò)流量建模和預(yù)測[J];計算機(jī)工程與應(yīng)用;2006年19期

7 鄭成興;;網(wǎng)絡(luò)流量預(yù)測方法和實(shí)際預(yù)測分析[J];計算機(jī)工程與應(yīng)用;2006年23期

8 肖健華,吳今培,楊叔子;基于SVM的綜合評價方法研究[J];計算機(jī)工程;2002年08期

9 王存睿,段曉東,劉向東,周福才;改進(jìn)的基本粒子群優(yōu)化算法[J];計算機(jī)工程;2004年21期

10 雷霆;余鎮(zhèn)危;;一種網(wǎng)絡(luò)流量預(yù)測的小波神經(jīng)網(wǎng)絡(luò)模型[J];計算機(jī)應(yīng)用;2006年03期

相關(guān)博士學(xué)位論文 前1條

1 馮慧芳;IEEE 802.11無線局域網(wǎng)業(yè)務(wù)流特性研究及預(yù)報[D];天津大學(xué);2006年

相關(guān)碩士學(xué)位論文 前2條

1 張紅梅;基于支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測研究[D];河海大學(xué);2006年

2 蔣慶華;一種基于小波變換及自回歸模型的網(wǎng)絡(luò)流量預(yù)測算法[D];吉林大學(xué);2006年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭亦飛;張英杰;;基于免疫粒子群算法的網(wǎng)絡(luò)擁塞控制策略[J];中南大學(xué)學(xué)報(自然科學(xué)版);2011年07期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)碩士學(xué)位論文 前9條

1 黃小珂;基于蟻群優(yōu)化算法的數(shù)據(jù)包路由技術(shù)研究[D];長春理工大學(xué);2010年

2 李麗;基于支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測研究[D];南京理工大學(xué);2007年

3 王鵬;網(wǎng)絡(luò)流量預(yù)測技術(shù)研究[D];江南大學(xué);2009年

4 陸國浩;網(wǎng)絡(luò)流量預(yù)測系統(tǒng)的研究與實(shí)現(xiàn)[D];蘇州大學(xué);2007年

5 唱雪;基于BP神經(jīng)網(wǎng)絡(luò)理論的校園網(wǎng)帶寬流量預(yù)測[D];哈爾濱工程大學(xué);2008年

6 劉思佳;智能網(wǎng)絡(luò)入侵檢測方法的研究[D];西華大學(xué);2009年

7 呂倩;基于傳輸速率調(diào)整的動態(tài)帶寬分配策略及性能分析[D];燕山大學(xué);2012年

8 胡明科;未知木馬檢測技術(shù)研究[D];沈陽航空航天大學(xué);2011年

9 李鵬超;基于模擬退火算法和支持向量回歸的網(wǎng)格資源預(yù)測[D];吉林大學(xué);2010年

，

本文編號：2301592