發(fā)布時間：2021-10-22 07:58

　　隨著當今社會計算機技術(shù)的不斷發(fā)展,計算機網(wǎng)絡的規(guī)模也不斷的得到了擴展,P2P （peer-to-peer,點對點）網(wǎng)絡技術(shù)得到的飛速發(fā)展,并逐漸占據(jù)了互聯(lián)網(wǎng)業(yè)務的大部分,消耗掉了大量的網(wǎng)絡帶寬,龐大的P2P流量不僅會占據(jù)網(wǎng)絡中其他應用的帶寬,妨礙了其他正常網(wǎng)絡業(yè)務的開展和某些關(guān)鍵應用的普及,甚至在網(wǎng)絡帶寬有限的情況下很容易就會引起網(wǎng)絡擁塞,大大降低了整個計算機網(wǎng)絡的性能,嚴重的劣化了網(wǎng)絡服務質(zhì)量。因此為了充分利用有限的網(wǎng)絡帶寬,提高整個網(wǎng)絡的服務質(zhì)量,優(yōu)化網(wǎng)絡流量控制,實現(xiàn)網(wǎng)絡中數(shù)據(jù)的可靠傳輸以及網(wǎng)絡資源的合理分配,對網(wǎng)絡中P2P流量的研究就變得非常有必要。本文主要通過對國內(nèi)外的各種流量預測模型的研究,分析了一些傳統(tǒng)流量預測模型和流量預測新技術(shù)各自的優(yōu)缺點和適用面,重點分析了回聲狀態(tài)網(wǎng)絡（Echo State Networks, ESN）的模型結(jié)構(gòu)和學習機理,由于它具有遠遠優(yōu)于其它神經(jīng)網(wǎng)絡的復雜網(wǎng)絡結(jié)構(gòu),決定了回聲狀態(tài)網(wǎng)絡具有良好的非線性逼近能力,使得其在非線性時間序列的預測中取得良好的效果,但是在樣本量少和含噪聲的問題下,ESN的預測效果并不理想,且ESN模型只能解決有限程度的多尺度... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究工作
    1.4 論文組織結(jié)構(gòu)
第二章 網(wǎng)絡流量預測模型
    2.1 傳統(tǒng)流量預測模型
        2.1.1 泊松模型
        2.1.2 馬爾科夫模型
        2.1.3 回歸模型
    2.2 流量預測新技術(shù)
        2.2.1 小波分析理論
        2.2.2 神經(jīng)網(wǎng)絡理論
        2.2.3 支持向量機方法
        2.2.4 混沌理論
第三章 回聲狀態(tài)網(wǎng)絡流量預測模型
    3.1 ESN模型結(jié)構(gòu)
    3.2 ESN學習機理
    3.3 ESN的回聲效應
第四章 基于ESN和相空間重構(gòu)的流量預測模型
    4.1 基于ESN和相空間重構(gòu)模型設計
        4.1.1 計算延遲時間
        4.1.2 計算嵌入維數(shù)
        4.1.3 構(gòu)建流量預測模型并預測
    4.2 實驗與分析
        4.2.1 實驗數(shù)據(jù)及性能指標
        4.2.2 實驗結(jié)果
第五章 小波和ESN結(jié)合的流量預測模型
    5.1 小波變換
        5.1.1 小波分析基礎
        5.1.2 Mallat算法及單支重構(gòu)
    5.2 模型設計
        5.2.1 小波分解和重構(gòu)
        5.2.2 匹配不同的ESN模型,分別預測高低頻各分量
        5.2.3 計算預測結(jié)果
第六章 實驗與分析
    6.1 實驗數(shù)據(jù)
    6.2 評價指標
    6.3 參數(shù)設置
    6.4 預測實驗結(jié)果及分析
第七章 總結(jié)
參考文獻
致謝
攻讀學位期間發(fā)表的學術(shù)論文目錄



本文編號：3450688