版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著Internet及其應用的迅速發展,網絡規模日益增大,網絡應用日益復雜,由于互聯網是一個高度復雜的非線性系統,為了實現可靠的數據傳輸及合理的網絡資源分配,就需要深刻了解網絡的控制機制和復雜的行為特性。網絡流量分析和建模對網絡性能評價具有重要的意義,完全符合網絡流量復雜統計特性的模型,能夠幫助對網絡流量進行精確的分析和仿真,非常有助于網絡的設計和控制。 網絡流量預測分析及建模一直是分析網絡性能的重要研究課題,流量預測結果為網絡
2、管理中帶寬分配、流量控制、選路控制、接納控制和差錯控制等提供主要參考依據。網絡流量具有一定的動態性、實時性、相關性、隨機性和含噪聲性。預測精度的高低、所選或所建立模型的表達能力,對于分析和仿真,理解網絡的動態行為,以及指導流量控制的設計工作均具有重要的指導意義。 本論文的研究目的是為了探索一種新的網絡流量模型來更好的描述、預測網絡流量的特性,文章首先分析了網絡流量的一些主要特性,在真實環境中的網絡流量呈現出相當明顯的多尺度特性,
3、例如自相似性、長相關性、單分形和多分形等特性;接著,分析、比較幾種傳統的網絡流量分析模型的優缺點,如半馬爾柯夫模型、Poisson模型、ARMA模型及ON/OFF模型。 論文提出了基于殘差改進的灰色預測方法、灰色神經網絡組合模型等多種綜合預測分析方法,預測實際網絡流量,確定適合的模型輸入參數,詳細分析了各個模型的精度和預測效果,為高精度的短期(以及中長期)網絡流量預測軟件系統的集成開發奠定了基礎。 針對常用的動態全局鏈路
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的改進網絡流量預測算法的研究.pdf
- 基于神經網絡的網絡流量預測研究.pdf
- 基于PSO-BP神經網絡的網絡流量預測算法的研究與應用.pdf
- 基于遺傳算法優化小波神經網絡的網絡流量預測模型研究.pdf
- 基于粒子群小波神經網絡的網絡流量預測模型研究.pdf
- 基于神經網絡的網絡流量識別算法研究.pdf
- 基于蟻群算法優化的小波神經網絡流量預測模型研究.pdf
- 網絡流量的混沌特性研究及網絡流量預測算法研究.pdf
- 基于優化神經網絡的混合網絡流量預測模型仿真與實現.pdf
- 基于灰色神經網絡的預測模型研究.pdf
- 基于灰色神經網絡組合模型的流量預測與評估方法研究.pdf
- 基于BP神經網絡的灰色預測模型.pdf
- 基于深度神經網絡的短時交通流量預測算法研究.pdf
- 基于灰色神經網絡的審計意見預測模型研究.pdf
- 基于神經網絡的網絡流量分類方法研究.pdf
- 基于改進支持向量機的網絡流量預測算法的研究.pdf
- 結合分形神經網絡理論的網絡流量預測研究.pdf
- 基于聯合神經網絡的流量預測模型.pdf
- 灰色神經網絡預測模型的優化研究.pdf
- 基于灰色RBF神經網絡的轉爐終點預測模型研究.pdf
評論
0/150
提交評論