在針對(duì)船用流量進(jìn)行非線(xiàn)性預(yù)測(cè)過(guò)程中,現(xiàn)有的預(yù)測(cè)模型去除了網(wǎng)絡(luò)流量的近似系數(shù),導(dǎo)致預(yù)測(cè)流量數(shù)值過(guò)小的問(wèn)題,進(jìn)行船用網(wǎng)絡(luò)流量非線(xiàn)性預(yù)測(cè)的數(shù)學(xué)建模與分析。預(yù)處理傳統(tǒng)網(wǎng)絡(luò)流量數(shù)據(jù),確定數(shù)學(xué)建模預(yù)測(cè)參數(shù),利用離散小波處理分解網(wǎng)絡(luò)流量在不同時(shí)間尺度下的近似系數(shù),構(gòu)建非線(xiàn)性預(yù)測(cè)數(shù)學(xué)模型。采用計(jì)算機(jī)服務(wù)器及路由器,搭建模擬船舶網(wǎng)絡(luò)流量環(huán)境,使用2種傳統(tǒng)預(yù)測(cè)模型與設(shè)計(jì)的預(yù)測(cè)模型進(jìn)行實(shí)驗(yàn)。結(jié)果表明,文中設(shè)計(jì)的非線(xiàn)性數(shù)學(xué)預(yù)測(cè)模型預(yù)測(cè)得到的流量數(shù)值最大,符合搭建實(shí)際實(shí)驗(yàn)環(huán)境。 

【文章來(lái)源】：艦船科學(xué)技術(shù). 2020,42(20)北大核心

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

網(wǎng)絡(luò)數(shù)據(jù)量小波分解過(guò)程Fig.1Waveletdecompositionprocessofnetworkdata

成對(duì)船用網(wǎng)絡(luò)流量非線(xiàn)性的預(yù)測(cè)。2仿真實(shí)驗(yàn)2.1實(shí)驗(yàn)環(huán)球?qū)嶒?yàn)搭建驗(yàn)證非線(xiàn)性數(shù)學(xué)預(yù)測(cè)模型預(yù)測(cè)結(jié)果的實(shí)驗(yàn)環(huán)境，采用3臺(tái)服務(wù)器承載路由請(qǐng)求的負(fù)載，準(zhǔn)備6個(gè)路由器提供船用網(wǎng)絡(luò)流量，模擬搭建船用網(wǎng)絡(luò)流量的實(shí)驗(yàn)環(huán)境如圖3所示。圖3模擬網(wǎng)絡(luò)流量流通實(shí)驗(yàn)環(huán)境Fig.3Simulatednetworktrafficflowexperimentenvironment在圖3所示的實(shí)驗(yàn)環(huán)境下，使用2種傳統(tǒng)網(wǎng)絡(luò)流量預(yù)測(cè)模型與文中設(shè)計(jì)船用網(wǎng)絡(luò)流量非線(xiàn)性數(shù)學(xué)預(yù)測(cè)模型進(jìn)行實(shí)驗(yàn)，驗(yàn)證3種預(yù)測(cè)模型的性能。2.2實(shí)驗(yàn)結(jié)果及分析基于上述實(shí)驗(yàn)準(zhǔn)備，綜合上述實(shí)驗(yàn)環(huán)境中各個(gè)路由器的網(wǎng)絡(luò)流量數(shù)值作為標(biāo)準(zhǔn)數(shù)值，標(biāo)定網(wǎng)絡(luò)流量的時(shí)間統(tǒng)計(jì)點(diǎn)，以24h為一個(gè)實(shí)驗(yàn)周期，設(shè)定每4個(gè)小時(shí)為一次預(yù)測(cè)時(shí)間點(diǎn)，記錄并統(tǒng)計(jì)得到3種預(yù)測(cè)模型預(yù)測(cè)得到的網(wǎng)絡(luò)流量值，結(jié)果如表1所示。由表1可知，2種傳統(tǒng)方法預(yù)測(cè)得到的流量數(shù)值均小于文中構(gòu)建的數(shù)學(xué)預(yù)測(cè)模型，在不同的統(tǒng)計(jì)時(shí)間節(jié)點(diǎn)下，傳統(tǒng)預(yù)測(cè)模型預(yù)測(cè)得到的網(wǎng)絡(luò)流量平均數(shù)值為14.30MB左右，不符合搭建的實(shí)驗(yàn)環(huán)境的流量值，傳統(tǒng)預(yù)測(cè)模型2最終預(yù)測(cè)得到的平均網(wǎng)絡(luò)流量數(shù)值為21.97MB左右，也小于實(shí)驗(yàn)環(huán)境的網(wǎng)絡(luò)流量數(shù)值，文中構(gòu)建非線(xiàn)性預(yù)測(cè)模型最終預(yù)測(cè)的平均網(wǎng)絡(luò)流量數(shù)值為30.74MB左右，基本符合搭建實(shí)驗(yàn)環(huán)境網(wǎng)絡(luò)流量實(shí)際。3結(jié)語(yǔ)對(duì)船用流量建立預(yù)測(cè)模型，可以幫助研究人員合理設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)，為研究人員提供可靠的網(wǎng)絡(luò)服務(wù)，實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載均衡，保證船用網(wǎng)絡(luò)的安全。設(shè)計(jì)船用網(wǎng)絡(luò)流量非線(xiàn)性預(yù)測(cè)數(shù)學(xué)模型，改進(jìn)傳統(tǒng)預(yù)測(cè)模型誤差數(shù)值過(guò)小不足。參考文獻(xiàn)：高陽(yáng),吳文海,周思羽.垂直/短距起降飛機(jī)非線(xiàn)性動(dòng)力學(xué)建模與仿真[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2019,51(4):115–122.[1]劉雅

?,2018,46(17):96–99.[2]張坤,楊艷明,鄭偉,等.量子遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合的預(yù)測(cè)模型[J].統(tǒng)計(jì)與決策,2019,35(12):68–72.[3]張琳,李銀霞.基于交通量的城市停車(chē)需求預(yù)測(cè)模型研究[J].工程技術(shù)研究,2019,4(13):17–19.[4]表1三種預(yù)測(cè)模型的預(yù)測(cè)結(jié)果Tab.1Predictionresultsofthreepredictionmodels流量統(tǒng)計(jì)時(shí)間點(diǎn)預(yù)測(cè)流量數(shù)值/MB傳統(tǒng)模型1傳統(tǒng)模型2本文模型115.4221.3428.67213.5420.4730.42314.2422.3531.41413.4220.4232.42515.4219.8430.14614.0221.4231.42圖2路徑判斷過(guò)程Fig.2Pathjudgmentprocess第42卷江忠：船用網(wǎng)絡(luò)流量非線(xiàn)性預(yù)測(cè)的數(shù)學(xué)建模與分析·135·

【參考文獻(xiàn)】：
期刊論文
[1]基于交通量的城市停車(chē)需求預(yù)測(cè)模型研究[J]. 張琳,李銀霞.  工程技術(shù)研究. 2019(13)
[2]量子遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合的預(yù)測(cè)模型[J]. 張坤,楊艷明,鄭偉,高曉紅.  統(tǒng)計(jì)與決策. 2019(12)
[3]垂直/短距起降飛機(jī)非線(xiàn)性動(dòng)力學(xué)建模與仿真[J]. 高陽(yáng),吳文海,周思羽.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(04)
[4]雙錐形流量計(jì)仿真與數(shù)學(xué)模型研究[J]. 劉雅杰,陳漢松,馮良鋒,胡澤楓,張學(xué)習(xí).  機(jī)床與液壓. 2018(17)



本文編號(hào)：3380924