论文部分内容阅读
随着Internet及其应用的迅速发展,网络规模日益增大,网络应用日益复杂,由于互联网是一个高度复杂的非线性系统,为了实现可靠的数据传输及合理的网络资源分配,就需要深刻了解网络的控制机制和复杂的行为特性。网络流量分析和建模对网络性能评价具有重要的意义,完全符合网络流量复杂统计特性的模型,能够帮助对网络流量进行精确的分析和仿真,非常有助于网络的设计和控制。网络流量预测分析及建模一直是分析网络性能的重要研究课题,流量预测结果为网络管理中带宽分配、流量控制、选路控制、接纳控制和差错控制等提供主要参考依据。网络流量具有一定的动态性、实时性、相关性、随机性和含噪声性。预测精度的高低、所选或所建立模型的表达能力,对于分析和仿真,理解网络的动态行为,以及指导流量控制的设计工作均具有重要的指导意义。本论文的研究目的是为了探索一种新的网络流量模型来更好的描述、预测网络流量的特性,文章首先分析了网络流量的一些主要特性,在真实环境中的网络流量呈现出相当明显的多尺度特性,例如自相似性、长相关性、单分形和多分形等特性;接着,分析、比较几种传统的网络流量分析模型的优缺点,如半马尔柯夫模型、Poisson模型、ARMA模型及ON/OFF模型。论文提出了基于残差改进的灰色预测方法、灰色神经网络组合模型等多种综合预测分析方法,预测实际网络流量,确定适合的模型输入参数,详细分析了各个模型的精度和预测效果,为高精度的短期(以及中长期)网络流量预测软件系统的集成开发奠定了基础。针对常用的动态全局链路状态法和基于流量的路由算法存在的不足,提出了一种新的基于流量预测的路由改进算法,可结合流量预测的优势对路由算法加以有效补充,理论分析预计该算法能获得更佳的路由效果。