论文部分内容阅读
随着Internet的迅猛发展,网络规模日趋庞大,网络拓补结构渐趋复杂,越来越需要一种新的网络规划和设计手段来提高网络设计的客观性和设计结果的可靠性。网络流量模型的建立是网络性能分析、网络协议设计、网络规划等的基础。
本文根据实际网络中测量的大量网络流量数据,建立一个时间相关的基于神经网络的流量模型,预测和分析网络流量状况。传统的流量分析建立在线性模型的基础上,但是由于复杂的拓扑结构和网络行为,网络流量表现为…个非线性的系统。本文基于ANN理论提出精度较高的非线性网络流量预测模型,该模型具有很高的自适应性和鲁棒性。
本文不仅阐述了神经网络模型的构造、预测模型的建立,而且介绍了网络流量的采集和预处理的一系列具体方法和实现。包括去除离群点,缺损值补足以及白噪声消除在内的数据处理方法被应用于网络流量数据的预处理和后处理中,对于预测效果有很大提升。
本文提出的模型,通过在实际网络环境上的应用,取得较好效果。本文还根据此模型给出一个实际的流量监测与预测系统,它由网络流量采集系统及网络流量预测系统,可更方便的监控预测网络状况,为网络性能分析等工作服务。