網(wǎng)絡(luò)流量的預(yù)測技術(shù)是計(jì)算機(jī)網(wǎng)絡(luò)研究領(lǐng)域的熱點(diǎn),由于網(wǎng)絡(luò)流量時(shí)間序列具有自相似性、多重分形性、混沌性、突變性等特征,所以近年來網(wǎng)絡(luò)流量預(yù)測的建模開始向混沌分析、多尺度重構(gòu)、組合預(yù)測的方式轉(zhuǎn)變。本文首先以網(wǎng)絡(luò)流量的突變性為研究對象,針對網(wǎng)絡(luò)流量的突變性問題提出基于局部閾值的流量去噪模型。本文首先分析了目前關(guān)于網(wǎng)絡(luò)流量去噪的研究,針對小波閾值整體去噪方法和經(jīng)驗(yàn)?zāi)B(tài)分解舍棄高頻分量去噪方法存在的不足,提出基于CEEMDAN-DE的網(wǎng)絡(luò)流量局部閾值去噪模型。模型首先對原始流量序列進(jìn)行自適應(yīng)分解,再用分散熵對流量分解子模態(tài)進(jìn)行復(fù)雜度分析,基于分散熵值平衡點(diǎn)篩選去噪模態(tài)集合和保留模態(tài)集合。然后將去噪模態(tài)集合進(jìn)行“舍棄-去噪-保留”分段處理,實(shí)現(xiàn)有效壓制高頻噪聲,同時(shí)保持原信號(hào)中的高頻信號(hào)成分和弱信號(hào)成分不受損失。最后將處理后的IMF集成,得到最終去噪后的流量序列。本文的CEEMDAN-DE網(wǎng)絡(luò)流量局部閾值去噪模型在仿真信號(hào)上進(jìn)行實(shí)驗(yàn),通過與小波rigrsure硬閾值去噪、小波sqtwolog軟閾值去噪、CEEMDAN高頻舍棄等方法進(jìn)行對比,論證本文方法的有效性。本文其次以網(wǎng)絡(luò)流量的自相似性和混沌性為... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
    2.1 網(wǎng)絡(luò)流量的基本特性
        2.1.1 網(wǎng)絡(luò)流量的自相似性
        2.1.2 網(wǎng)絡(luò)流量的混沌性
        2.1.3 網(wǎng)絡(luò)流量的突變性
    2.2 網(wǎng)絡(luò)流量的組合預(yù)測方法
        2.2.1 網(wǎng)絡(luò)流量的模態(tài)分解
        2.2.2 網(wǎng)絡(luò)流量的組合預(yù)測
    2.3 本章小結(jié)
第三章 基于CEEMDAN-DE的網(wǎng)絡(luò)流量去噪模型
    3.1 引言
    3.2 問題描述
    3.3 建模與算法
    3.4 去噪效果評價(jià)準(zhǔn)則
    3.5 去噪仿真與結(jié)果分析
    3.6 本章小結(jié)
第四章 基于IVMD-AVE的網(wǎng)絡(luò)流量預(yù)測模型
    4.1 引言
    4.2 問題描述
    4.3 建模與算法
    4.4 預(yù)測效果評價(jià)準(zhǔn)則
    4.5 預(yù)測仿真與結(jié)果分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)黑洞算法優(yōu)化ESN的網(wǎng)絡(luò)流量短期預(yù)測[J]. 韓瑩,井元偉,金建宇,李琨.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[2]基于最大相關(guān)峭度解卷積和變分模態(tài)分解的風(fēng)電機(jī)組軸承故障診斷方法[J]. 趙洪山,李浪.  太陽能學(xué)報(bào). 2018(02)
[3]基于混沌分形理論的金屬疲勞損傷過程的特征分析[J]. 張玉華,李欣欣,黃振峰,毛漢領(lǐng).  振動(dòng)與沖擊. 2017(21)
[4]基于小波去噪算法的全天時(shí)大氣水汽拉曼激光雷達(dá)探測與分析[J]. 王玉峰,曹小明,張晶,湯柳,宋躍輝,狄慧鴿,華燈鑫.  光學(xué)學(xué)報(bào). 2018(02)
[5]基于時(shí)間序列分析的網(wǎng)絡(luò)流量異常檢測[J]. 閆偉,張軍.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2017(05)
[6]局部均值分解和排列熵在行星齒輪箱故障診斷中的應(yīng)用[J]. 丁闖,張兵志,馮輔周,江鵬程.  振動(dòng)與沖擊. 2017(17)
[7]基于小波閾值的浮動(dòng)車數(shù)據(jù)消噪算法[J]. 汪宏宇,郎瑩,韓海花,王孝廣,梅文博.  北京理工大學(xué)學(xué)報(bào). 2017(07)
[8]POVMD與包絡(luò)階次譜的變工況滾動(dòng)軸承故障診斷[J]. 姜戰(zhàn)偉,鄭近德,潘海洋,潘紫微.  振動(dòng).測試與診斷. 2017(03)
[9]基于工況辨識(shí)和變分模態(tài)分解的風(fēng)電機(jī)組滾動(dòng)軸承故障診斷[J]. 劉長良,閆蕭.  動(dòng)力工程學(xué)報(bào). 2017(04)
[10]基于分形與自適應(yīng)數(shù)據(jù)融合的P2P botnet檢測方法[J]. 宋元章,李洪雨,陳媛,王俊杰.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2017(03)

碩士論文
[1]基于經(jīng)驗(yàn)?zāi)B(tài)分解的小波閾值信號(hào)去噪研究[D]. 張永德.昆明理工大學(xué) 2011
[2]小波分析及其在信號(hào)、圖像降噪中的應(yīng)用研究[D]. 李繼軍.西安電子科技大學(xué) 2006



本文編號(hào)：3729206