本文關(guān)鍵詞：移動網(wǎng)絡(luò)流量特性分析及預(yù)測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：移動網(wǎng)絡(luò)的快速發(fā)展以及海量移動終端和新型業(yè)務(wù)類型的出現(xiàn)給移動通信行業(yè)的發(fā)展帶來新一輪的契機。相對于傳統(tǒng)移動網(wǎng)絡(luò)而言,一方面新型移動網(wǎng)絡(luò)更強調(diào)業(yè)務(wù)的多樣性和用戶的移動性;另一方面,新型移動網(wǎng)絡(luò)也衍生出自己獨有的特性。如何對網(wǎng)絡(luò)中的業(yè)務(wù)流量變化規(guī)律和用戶移動性規(guī)律進行分析和預(yù)測研究,成為未來網(wǎng)絡(luò)研究的一個重要方向。本文在深入研究現(xiàn)有流量特性分析和預(yù)測方法的基礎(chǔ)上,結(jié)合具體網(wǎng)絡(luò)環(huán)境中采集到的數(shù)據(jù),從業(yè)務(wù)流量變化規(guī)律和用戶移動性規(guī)律兩方面對移動網(wǎng)絡(luò)流量特性分析及預(yù)測研究進行了探索:針對業(yè)務(wù)流量變化規(guī)律,本文根據(jù)自相似產(chǎn)生的機理研究了移動通信網(wǎng)絡(luò)典型業(yè)務(wù)類型在不同時間尺度下的流量特征,結(jié)合自相似函數(shù)特征和*指數(shù)論證了典型業(yè)務(wù)類型的自相似特性,對此提出一種基于改進!和模型的流量預(yù)測算法。首先,采用!理論將流量序列分解為具有短相關(guān)性質(zhì)的本征模態(tài)函數(shù));然后,基于流量序列和)之間的相關(guān)系數(shù)去除本征模態(tài)函數(shù)中的偽分量;最后,對剩余)構(gòu)建預(yù)測模型,并將疊加后的預(yù)測值作為流量預(yù)測的最終輸出值。文中通過仿真實驗分別檢驗了該算法對移動瀏覽業(yè)務(wù)、移動視頻業(yè)務(wù)以及移動)業(yè)務(wù)的預(yù)測效果。實驗結(jié)果表明,該算法在網(wǎng)絡(luò)流量預(yù)測研究領(lǐng)域具有較大的優(yōu)勢,并對網(wǎng)絡(luò)資源規(guī)劃和優(yōu)化分配具有重要指導(dǎo)意義。針對用戶移動性規(guī)律,本文提出了一種基于用戶群體聚類的移動軌跡預(yù)測算法。首先,根據(jù)軌跡的時間和空間特征對用戶時空相似度進行了定義,并從時空相似度的角度對用戶群體進行聚類;然后,為每類用戶群體生成一個狀態(tài)轉(zhuǎn)移矩陣;最后,通過狀態(tài)轉(zhuǎn)移矩陣對用戶移動軌跡進行預(yù)測。仿真結(jié)果表明,該算法在移動軌跡預(yù)測領(lǐng)域具有較大的優(yōu)勢,在網(wǎng)絡(luò)資源調(diào)配、流量突發(fā)性監(jiān)測等方面可起到重要的預(yù)警作用。本文研究成果對網(wǎng)絡(luò)高效管理及資源優(yōu)化分配具有重要指導(dǎo)意義。
【關(guān)鍵詞】：移動網(wǎng)絡(luò) 流量特性 業(yè)務(wù)類型 用戶行為 預(yù)測
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.5
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 課題來源8
• 1.2 課題研究背景、目的及意義8-10
• 1.2.1 課題研究背景8-9
• 1.2.2 課題研究目的及意義9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-12
• 1.3.1 針對移動網(wǎng)絡(luò)流量預(yù)測研究10-11
• 1.3.2 針對移動網(wǎng)絡(luò)用戶行為研究11-12
• 1.4 本文主要工作及章節(jié)安排12
• 1.5 本章小結(jié)12-14
• 2 移動網(wǎng)絡(luò)流量特性分析14-26
• 2.1 自相似性14-18
• 2.1.1 自相似過程的定義14-15
• 2.1.2 自相似過程的特性15-16
• 2.1.3 自相似特性評定指標(biāo)及計算方法16-18
• 2.2 自相似性對網(wǎng)絡(luò)性能的影響18
• 2.3 移動網(wǎng)絡(luò)典型業(yè)務(wù)流量特性分析18-25
• 2.3.1 典型業(yè)務(wù)及特征18-19
• 2.3.2 數(shù)據(jù)描述19-20
• 2.3.3 典型業(yè)務(wù)流量特性分析20-25
• 2.4 本章小結(jié)25-26
• 3 移動網(wǎng)絡(luò)流量預(yù)測26-50
• 3.1 網(wǎng)絡(luò)流量預(yù)測模型概述26-32
• 3.1.1 短相關(guān)流量預(yù)測模型26-29
• 3.1.2 長相關(guān)流量預(yù)測模型29-32
• 3.1.3 各類模型的比較32
• 3.2 基于改進EMD和ARMA模型的流量預(yù)測32-48
• 3.2.1 經(jīng)驗?zāi)B(tài)分解32-34
• 3.2.2 理論證明34-36
• 3.2.3 基于改進EMD和ARMA的流量預(yù)測模型36-39
• 3.2.4 預(yù)測算法評估39
• 3.2.5 移動瀏覽業(yè)務(wù)流量預(yù)測與評估39-42
• 3.2.6 移動視頻業(yè)務(wù)流量預(yù)測與評估42-45
• 3.2.7 移動IM業(yè)務(wù)流量預(yù)測與評估45-48
• 3.3 本章小結(jié)48-50
• 4 移動網(wǎng)絡(luò)用戶行為預(yù)測50-68
• 4.1 移動行為的位置預(yù)測算法50-53
• 4.1.1 基于移動訪問量統(tǒng)計的移動位置預(yù)測50-51
• 4.1.2 基于決策樹的移動位置預(yù)測51-52
• 4.1.3 基于馬爾科夫過程模型的移動位置預(yù)測52-53
• 4.2 基于用戶群體聚類的移動軌跡預(yù)測53-66
• 4.2.1 移動行為的可預(yù)測性54
• 4.2.2 軌跡模型定義54-55
• 4.2.3 軌跡相似度定義55-56
• 4.2.4 用戶群體聚類算法描述56-58
• 4.2.5 基于用戶群體聚類的移動軌跡預(yù)測算法58-61
• 4.2.6 仿真結(jié)果與分析61-66
• 4.3 本章小結(jié)66-68
• 5 總結(jié)與展望68-70
• 5.1 總結(jié)68-69
• 5.2 展望69-70
• 致謝70-72
• 參考文獻(xiàn)72-78
• 附錄78
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄78
• B. 作者在攻讀學(xué)位期間申請的專利目錄78
• C. 作者在攻讀學(xué)位期間參與的研究項目78

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 譚曉玲,許勇,梅成剛,劉蘭;基于網(wǎng)絡(luò)流量特性的分析模型研究[J];微機發(fā)展;2005年05期

2 肖志新,楊岳湘,楊霖,吳利華;小波技術(shù)在網(wǎng)絡(luò)流量特性分析中的應(yīng)用[J];計算技術(shù)與自動化;2004年01期

3 王明定;趙國鴻;陸華彪;;基于網(wǎng)絡(luò)流量特性分析的高速入侵檢測分流算法[J];計算機應(yīng)用研究;2010年09期

4 袁小坊;王東;謝高崗;張大方;閔應(yīng)驊;;高速網(wǎng)絡(luò)流量特性與流數(shù)據(jù)庫設(shè)計[J];計算機工程與應(yīng)用;2009年13期

5 陳寶鋼;胡金龍;司海平;;P2P應(yīng)用網(wǎng)絡(luò)流量特性研究[J];河南農(nóng)業(yè)大學(xué)學(xué)報;2012年02期

6 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 萬貝利;移動網(wǎng)絡(luò)流量特性分析及預(yù)測研究[D];重慶大學(xué);2016年

2 馮懷成;基于小波的網(wǎng)絡(luò)流量特性研究[D];山東大學(xué);2006年

3 王燕;網(wǎng)絡(luò)流量特性分析及預(yù)測模型研究[D];浙江工業(yè)大學(xué);2012年

4 吳美美;網(wǎng)絡(luò)流量特性分析及預(yù)測研究[D];天津大學(xué);2008年

  本文關(guān)鍵詞：移動網(wǎng)絡(luò)流量特性分析及預(yù)測研究，由筆耕文化傳播整理發(fā)布。

本文編號：290689