隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)中心不斷上升的電力成本已經(jīng)成為能源消耗方面一個(gè)不容忽視的問題�，F(xiàn)有的網(wǎng)絡(luò)數(shù)據(jù)中心節(jié)能方案主要側(cè)重在服務(wù)器和制冷設(shè)備兩個(gè)方面,在轉(zhuǎn)發(fā)設(shè)備如交換機(jī)的節(jié)能問題上的研究不多。軟件定義網(wǎng)絡(luò)（Software Defined Network,SDN）是一種發(fā)展?jié)摿薮蟮男滦途W(wǎng)絡(luò)架構(gòu),它的核心思想是轉(zhuǎn)發(fā)與控制分離,將智能集中到控制器上進(jìn)行集中控制。SDN靈活性高,并且方便管理員操作,集中控制可以減少冗余,提高效率�；谏鲜霈F(xiàn)狀,論文首先介紹了網(wǎng)絡(luò)流量預(yù)測(cè)的研究背景和現(xiàn)狀,對(duì)相關(guān)技術(shù)作了詳細(xì)的闡述;然后,提出了一種基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能框架,并對(duì)該框架的機(jī)制進(jìn)行了充分的研究和探索,對(duì)框架中涉及的每個(gè)模塊的功能和作用都進(jìn)行了研究;接著,本文對(duì)SDN中的網(wǎng)絡(luò)流量預(yù)測(cè)模型問題進(jìn)行了研究,提出了一種基于深度學(xué)習(xí)模型（NTPNN）的流量預(yù)測(cè)方法,并通過實(shí)驗(yàn)驗(yàn)證了流量預(yù)測(cè)模型的可行性。本文將流量預(yù)測(cè)模型部署在控制平面,開發(fā)了一套基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能系統(tǒng),其核心思想是:在預(yù)測(cè)交換機(jī)轉(zhuǎn)發(fā)流量不大的情況下嘗試使交換機(jī)端口進(jìn)入休眠,并將流量規(guī)劃到其它路徑上,從而實(shí)現(xiàn)SDN轉(zhuǎn)發(fā)設(shè)... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 網(wǎng)絡(luò)中心節(jié)能研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)流量預(yù)測(cè)研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容和創(chuàng)新點(diǎn)
        1.3.1 研究?jī)?nèi)容
        1.3.2 創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)及原理
    2.1 SDN技術(shù)
        2.1.1 SDN架構(gòu)
        2.1.2 OpenFlow技術(shù)
    2.2 深度學(xué)習(xí)技術(shù)
        2.2.1 深度學(xué)習(xí)基本概念
        2.2.2 深度學(xué)習(xí)常用模型
    2.3 本章小結(jié)
3 基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能技術(shù)研究
    3.1 基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能框架
    3.2 基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能機(jī)制
    3.3 本章小結(jié)
4 基于深度學(xué)習(xí)的流量預(yù)測(cè)研究
    4.1 現(xiàn)有基于機(jī)器學(xué)習(xí)流量預(yù)測(cè)技術(shù)
    4.2 流量預(yù)測(cè)模型
        4.2.1 NTPNN模型
        4.2.2 模型特征
    4.3 實(shí)驗(yàn)及結(jié)果分析
        4.3.1 流量數(shù)據(jù)采集
        4.3.2 深度學(xué)習(xí)框架選擇
        4.3.3 實(shí)驗(yàn)環(huán)境及評(píng)估指標(biāo)
        4.3.4 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
5 SDN中基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能系統(tǒng)實(shí)現(xiàn)
    5.1 SDN中基于深度學(xué)習(xí)流量預(yù)測(cè)的節(jié)能系統(tǒng)
    5.2 預(yù)處理模塊
    5.3 流量預(yù)測(cè)模塊
        5.3.1 流量數(shù)據(jù)導(dǎo)入
        5.3.2 模型定義及預(yù)測(cè)
    5.4 節(jié)能策略模塊
        5.4.1 節(jié)能策略模塊設(shè)計(jì)
        5.4.2 節(jié)能算法設(shè)計(jì)
    5.5 實(shí)驗(yàn)及結(jié)果分析
        5.5.1 SDN控制器及仿真器選擇
        5.5.2 網(wǎng)絡(luò)構(gòu)建
        5.5.3 實(shí)驗(yàn)結(jié)果分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
本文作者碩士期間取得的成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于SaS過程的分?jǐn)?shù)低階時(shí)頻自回歸滑動(dòng)平均模型參數(shù)估計(jì)及時(shí)頻分布[J]. 龍俊波,汪海濱.  電子與信息學(xué)報(bào). 2016(07)
[2]深度學(xué)習(xí)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[3]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[4]網(wǎng)絡(luò)流量分析方法綜述[J]. 茍娟迎,馬力.  西安郵電學(xué)院學(xué)報(bào). 2010(04)
[5]依等價(jià)AR模型階次遞增的自回歸滑動(dòng)平均模型辨識(shí)[J]. 周毅,丁鋒.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(03)
[6]基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量建模及預(yù)測(cè)[J]. 王俊松,高志偉.  計(jì)算機(jī)工程與應(yīng)用. 2008(13)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的非線性網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 劉杰,黃亞樓.  計(jì)算機(jī)應(yīng)用. 2007(07)
[8]非線性時(shí)間序列建模的混合自回歸滑動(dòng)平均模型[J]. 王紅軍,田錚.  控制理論與應(yīng)用. 2005(06)
[9]基于ARIMA模型的網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 薛可,李增智,劉瀏,宋承謙.  微電子學(xué)與計(jì)算機(jī). 2004(07)
[10]基于ARMA模型的網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 鄒柏賢,劉強(qiáng).  計(jì)算機(jī)研究與發(fā)展. 2002(12)

碩士論文
[1]基于FARIMA模型的網(wǎng)絡(luò)流量建模與預(yù)測(cè)[D]. 蘇占波.電子科技大學(xué) 2010



本文編號(hào)：3629479