基于灰色神經網絡模型的網絡流量預測算法研究.pdf

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