隨著網(wǎng)絡(luò)規(guī)模的日益龐大和復(fù)雜，網(wǎng)絡(luò)帶寬急劇增加，基于網(wǎng)絡(luò)的互聯(lián)網(wǎng)服務(wù)呈現(xiàn)多樣化的發(fā)展，這使得互聯(lián)網(wǎng)的運(yùn)行機(jī)制和行為特征錯(cuò)綜復(fù)雜，因此，加強(qiáng)網(wǎng)絡(luò)管理，對網(wǎng)絡(luò)QoS進(jìn)行實(shí)時(shí)的控制和管理成為一個(gè)函待解決的問題。然而，實(shí)現(xiàn)網(wǎng)絡(luò)QoS控制需要及時(shí)了解和預(yù)測網(wǎng)絡(luò)的運(yùn)行狀況，以便對網(wǎng)絡(luò)的運(yùn)行進(jìn)行控制，這就需要進(jìn)行網(wǎng)絡(luò)流量預(yù)測。網(wǎng)絡(luò)流量的精確預(yù)測對于提高網(wǎng)絡(luò)的服務(wù)效率和質(zhì)量及網(wǎng)絡(luò)安全有著非常重要的意義。 本文針對網(wǎng)絡(luò)流量預(yù)測模型進(jìn)行了相關(guān)研究。論文首先介紹了網(wǎng)絡(luò)流量的相關(guān)特征及對當(dāng)前網(wǎng)絡(luò)流量預(yù)測模型進(jìn)行了簡單闡述。然后分別對小波變換理論、BP神經(jīng)網(wǎng)絡(luò)和遺傳算法理論進(jìn)行了介紹。小波變換理論和BP神經(jīng)網(wǎng)絡(luò)構(gòu)成了小波神經(jīng)網(wǎng)絡(luò)，在分析小波神經(jīng)網(wǎng)絡(luò)和遺傳算法理論的基礎(chǔ)上，針對小波神經(jīng)網(wǎng)絡(luò)存在收斂速度慢和易陷入局部最優(yōu)等缺點(diǎn)，將遺傳算法引入小波神經(jīng)網(wǎng)絡(luò)。采用具有良好全局搜索能力的遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，建立了基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型。該模型采用小波分解技術(shù)把網(wǎng)絡(luò)流量數(shù)據(jù)時(shí)間序列分解為小波系數(shù)和尺度系數(shù)，即低頻系數(shù)和高頻系數(shù)，將不同頻率部分的系數(shù)分別單支重構(gòu)為低頻流量分量和高頻流量分...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題來源
    1.2 網(wǎng)絡(luò)流量預(yù)測的研究背景和意義
    1.3 網(wǎng)絡(luò)流量的特征
        1.3.1 自相似與長相關(guān)
        1.3.2 多分形
        1.3.3 周期性及混沌性
    1.4 網(wǎng)絡(luò)流量預(yù)測模型的研究現(xiàn)狀
    1.5 論文主要工作
    1.6 論文章節(jié)安排
第二章 小波變換理論
    2.1 引言
    2.2 小波變換
        2.2.1 連續(xù)小波變換
        2.2.2 離散小波變換
        2.2.3 多分辨率分析與Mallat算法
    2.3 本文用到的小波基
    2.4 本章小結(jié)
第三章 BP神經(jīng)網(wǎng)絡(luò)
    3.1 引言
    3.2 神經(jīng)網(wǎng)絡(luò)的基本理論
    3.3 BP神經(jīng)網(wǎng)絡(luò)
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)概述
        3.3.2 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及其特征
        3.3.4 BP神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)以及改進(jìn)
    3.4 本章小結(jié)
第四章 遺傳算法
    4.1 引言
    4.2 遺傳算法概念及特點(diǎn)
        4.2.1 遺傳算法概念
        4.2.2 遺傳算法的特征
    4.3 遺傳算法理論基礎(chǔ)
        4.3.1 模式定理
        4.3.2 積木塊假設(shè)
    4.4 遺傳算法基本要素及流程
        4.4.1 遺傳算法基本要素
        4.4.2 遺傳算法的基本流程及實(shí)現(xiàn)
    4.5 本章小結(jié)
第五章 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型
    5.1 WGANN模型的理論基礎(chǔ)
        5.1.1 小波神經(jīng)網(wǎng)絡(luò)的理論及不足
        5.1.2 遺傳算法優(yōu)化WNN
    5.2 WGANN模型流程圖
    5.3 本章小結(jié)
第六章 模型仿真與結(jié)果分析
    6.1 引言
    6.2 預(yù)測性能評價(jià)標(biāo)準(zhǔn)
    6.3 WGANN預(yù)測模型的仿真實(shí)驗(yàn)
        6.3.1 流量數(shù)據(jù)序列的預(yù)處理
        6.3.2 WGANN模型參數(shù)的選取
        6.3.3 WGANN模型關(guān)鍵代碼實(shí)現(xiàn)
    6.4 實(shí)驗(yàn)結(jié)果及分析
        6.4.1 WGANN模型
        6.4.2 WNN模型
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
致謝
參考文獻(xiàn)
研究成果



本文編號(hào)：3763414