發(fā)布時(shí)間：2018-04-17 04:09

  本文選題：網(wǎng)絡(luò)流量建模 + 流量預(yù)測(cè)　； 參考：《北京交通大學(xué)》2017年碩士論文

【摘要】：現(xiàn)代社會(huì)網(wǎng)絡(luò)在信息化社會(huì)中具有越來(lái)越重要的作用。通過(guò)互聯(lián)網(wǎng)可以進(jìn)行高效率的通信與溝通,這些技術(shù)的使用與推廣提高了人們的生活質(zhì)量,同時(shí)也促使了諸如數(shù)學(xué)、信息學(xué)等科學(xué)領(lǐng)域的進(jìn)一步發(fā)展。伴隨越來(lái)越多基站建設(shè),網(wǎng)絡(luò)網(wǎng)點(diǎn)的提供,網(wǎng)絡(luò)規(guī)模與日俱增,這同時(shí)促使網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜。對(duì)于網(wǎng)絡(luò)流量的模型、特征、可靠性等研究有著越來(lái)越高的需求,研究結(jié)果將有益于網(wǎng)絡(luò)工程、網(wǎng)絡(luò)安全、網(wǎng)絡(luò)服務(wù)等應(yīng)用領(lǐng)域的各類問(wèn)題。本文針對(duì)網(wǎng)絡(luò)流量特性基于優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的混合模型方法對(duì)網(wǎng)絡(luò)流量進(jìn)行了分析。主要工作及貢獻(xiàn)可以總結(jié)如下:a)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)集進(jìn)行了研究,通過(guò)分析數(shù)據(jù)的混沌特性,驗(yàn)證了網(wǎng)絡(luò)流量的混沌特性。b)對(duì)時(shí)間序列預(yù)測(cè)方法進(jìn)行了調(diào)研,研究了傳統(tǒng)時(shí)間序列分析、混沌時(shí)間序列分析的方法,并重點(diǎn)研究了自回歸滑動(dòng)平均模型。該模型在網(wǎng)絡(luò)流量預(yù)測(cè)中存在一定缺陷,需要可靠性、精確性更高的預(yù)測(cè)模型。c)通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)、小波變換理論和量子遺傳算法的研究,提出一種基于量子遺傳算法高效的全局搜索能力之上的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。該方法結(jié)合了小波變換對(duì)數(shù)據(jù)的處理,保留了人工神經(jīng)網(wǎng)絡(luò)良好的魯棒性和非線性處理能力,基于優(yōu)化神經(jīng)網(wǎng)絡(luò)對(duì)混合網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè),該預(yù)測(cè)模型被命名為量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型。d)運(yùn)用量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行了單步、多步預(yù)測(cè)并對(duì)預(yù)測(cè)結(jié)果進(jìn)行了評(píng)估。通過(guò)與自回歸滑動(dòng)平均模型預(yù)測(cè)結(jié)果比較,驗(yàn)證了新模型在自適應(yīng)性和準(zhǔn)確率方面的優(yōu)越性。綜上所述,本文所提出的量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型能夠更加準(zhǔn)確的對(duì)網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果在網(wǎng)絡(luò)安全領(lǐng)域可用于監(jiān)測(cè)網(wǎng)絡(luò)異常,在網(wǎng)絡(luò)服務(wù)領(lǐng)域可用于提高服務(wù)質(zhì)量,在網(wǎng)絡(luò)工程領(lǐng)域可用于研究網(wǎng)絡(luò)行為以及更有效的網(wǎng)絡(luò)優(yōu)化方案。
[Abstract]:Modern social network plays a more and more important role in the information society.The use and popularization of these technologies not only improves the quality of life, but also promotes the further development of science fields such as mathematics, informatics and so on.With the construction of more and more base stations and the provision of network network, the network scale is increasing day by day, which makes the network environment more complex.The research on network traffic model, characteristics, reliability and so on has more and more high demand. The research results will benefit all kinds of application fields such as network engineering, network security, network service and so on.In this paper, the traffic characteristics of the network are analyzed based on the hybrid model of optimized artificial neural network.The main work and contributions can be summarized as follows: (a) the network traffic data set is studied. By analyzing the chaotic characteristics of the data, the chaotic characteristics of the network traffic is verified. The time series prediction method is investigated.The methods of traditional time series analysis and chaotic time series analysis are studied, and the autoregressive moving average model is studied.This model has some defects in network traffic prediction, and requires a more reliable and accurate prediction model. Based on the research of artificial neural network, wavelet transform theory and quantum genetic algorithm,A neural network optimization method based on quantum genetic algorithm (QGA) is proposed.This method combines wavelet transform to deal with the data, and retains the good robustness and nonlinear processing ability of artificial neural network, and forecasts the traffic of hybrid network based on optimized neural network.The prediction model is named quantum genetic artificial neural network model.Compared with the prediction results of the autoregressive moving average model, the superiority of the new model in self-adaptability and accuracy is verified.To sum up, the quantum genetic artificial neural network model proposed in this paper can predict network traffic more accurately, and the prediction results can be used to monitor network anomalies in the field of network security.In the field of network service, it can be used to improve the quality of service, and in the field of network engineering, it can be used to study network behavior and more effective network optimization scheme.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP183;TP393.06

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

8 趙奇 ,劉開(kāi)第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過(guò)去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1761988