基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。     

动态指数平滑模型在校园网络监控中的研究

网络流量预测是网络性能管理的一个重要组成部分,较好的流量预测能够提高网络管理的效果和网络带宽的利用率.以C/S模式对校园网的流量进行采集,然后以预测误差的平方最小为目标,建立动态指数平滑模型,增强了指数平滑模型对时间序列的适应能力,较好地解决了指数平滑模型中平滑参数α为静态而导致预测偏差等问题.通过测试,此模型能够较准确地预测出校园网的流量,从而实现了对校园网络流量的临控,提高了网络服务的质量.     

基于混沌的煤矿监测网络流量异变的预测

对煤矿监测网络流量异变预测可以提高网络的服务质量(QoS),降低网络拥塞的发生率.该文分析了煤矿监测网络中各信息流量的特点,提出了以SCADA类信息流作为混沌指标信号,采用Lyapunov指数法验证指标量的混沌特性,利用Duffing振子求解相变点的策动力幅值(α)d并构建了预测模型,通过仿真预测和实测数据比较,误差在...     

一个基于相关节点的Ad hoc QoS路由协议

通过对Ad hoc路由协议AODV及其相关改进协议的研究,提出了一种基于相关节点的多路径负载均衡QoS单播路由协议kn-AODV.该协议利用Ad hoc网络的路由相关性,并结合TDMA带宽计算方法选取关节点,在关节点上实现网络流量的汇聚与分流.实验表明,该协议满足了一定的QoS要求,在一定程度上实现了网络流量负载均衡.与原协议AODV相比,分组成功抵达率最大可提高14%,路由负载比最大可减小13%.     

一种趋势划分的灰色马尔可夫网络流量预测方法

网络流量预测对网络规划、流量管理等方面起着重要作用.针对网络流量数据波动性比较大,在一定范围内呈现某种趋势等特点,将灰色GM(1,1)模型预测和马尔可夫链预测相结合,提出一种趋势划分的灰色马尔可夫网络流量预测方法.该方法以网络流量时间序列建立灰色预测模型,得到流量的拟合值和趋势值序列,通过划分的趋势值序列状态区间构造马尔可夫模型并加以预测.在校园网实际流量预测的实验结果表明,该方法具有良好的预测性能.     

无线接入网络中负载模型的研究

依据时间序列理论,重点考虑CDMA的固有网络特性,提出了一种连续的预测模型。该模型根据CDMA网络小区的非平稳时间序列接入特点,建立了一种基于历史数据与采样数据相互补充的预测模式。为了提高模型的收敛性,根据偏微分方程的最大值对采样数据进行平滑处理。该模型充分考虑了CDMA网络运行的周期性、随机性以及突发性,可获得良好的自适应性,较好地消除了突变数据的影响。该模型可以及时准确预测一段时间内的网络负载,确定参数调整方案,提前调整QoS参数,预防性的均衡系统负载能防止QoS效果出现大的抖动,提高接入率。试验结果表明,该模型能够以较小的计算代价有效提高CDMA网络的QoS性能。     

管理会计教学中指数平滑预测法α取值优化探讨

本文通过比较不同的销售预测方法,指出指数平滑法进行销售预测的优点,并且说明指数平滑法中平滑系数的大小对预测值有较大影响,重点探讨了在一次指数平滑法中如何采用改进的试算法对平滑系数α进行优化,提高预测的准确性。     

城市日用水量预测模型比较研究

目的 为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法 应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果 单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论 BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义.通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性,并结合近年流量的新特性提出:网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势.     

饱和信号交叉口排队长度预测

通过采用自适应权重指数平滑法,对进口车道的实时流量进行预测,建立了以定数排队理论为基础的排队长度预测模型。该模型可以实现对饱和信号交叉口排队长度的预测,预测结果具有较强的自适应性,更符合交通流的实际运行状况。实际数据验证结果表明:在拥挤的交通状态下,该模型的预测精度可达到85%以上,可以满足信号配时和交通管理的需要。     

一种自适应指数平滑动态预测模型

针对传统指数平滑预测模型的不足,设计了一种自适应指数平滑动态预测模型。该模型实现了对时间序列数据的自适应动态预测,且保留了原方法公式简单、易实现的特点,可用于在线动态预测,具有工程实用性。利用实际数据对该预测模型进行了数据验证,并与传统指数平滑模型进行了对比。结果表明,该自适应动态预测模型的预测效果较好。     

广义回归神经网络的改进及在交通预测中的应用

本研究基于k近邻的方法通过网络性能评价指标来对平滑因子进行选择确定。通过k近邻法找出使得网络性能评价最好的平滑因子,不再仅依赖于一个均方误差数值,而根据均方误差组的排序来选择最优的平滑因子。该算法能够在保持较好的预测效果的前提下解决因数据波动性大而最终得不到最优平滑因子的难题。通过预测交通数据的实验验证了算法的有效性。结果表明通过k近邻方法得到的最优平滑因子会使网络预测误差降至最小。     

港口集装箱吞吐量预测方法研究

介绍了BP神经网络预测法、回归分析预测法和二次指数平滑预测法,以厦门港集装箱吞吐量的预测为例进行比较和分析。结果表明:BP神经网络预测法的预测精度高于后两种预测方法,其预测结果的可靠性最高。     

基于占用率预测的QoS连接状态信息发布策略及其仿真研究

提出了应用流量钳制方法，来控制网络内QoS路由的连接状态信息（LSA）发布量.仿真实验证明：在同样的LSA发布量情况下，与目前较为应用较为广泛的时间钳制方法相比，它可以获得更低的连结失败率和更高的资源利用率.根据流量钳制的特点，提出一种改进算法-占用率预测.实验证明该策略应用于流量钳制和时间钳制时，流量钳制获得了比后者更加明显的性能改善.     

ARIMA模型法分析网络流量

网络流量是网络规划设计、仿真、保证服务质量以及网管的重要参考因素.利用ARIMA模型法,在研究网络流量具有成长性、非平稳性的基础上得到了更为实用的结论.通过分段平均、取自然对数、一次差分可以把具成长性、非平稳性的网络流量变换为一个短时相关的平稳时间序列.通过对实际流量数据的分析,表明该方法计算量小、算法易于实现,可为网络建设的中、长期规划提供有效的预测手段.     

小波消噪和优化支持向量机的网络流量预测

为了提高对网络流量的预测精度,提出了一种小波消噪和改进黏菌算法优化支持向量机的网络流量预测模型。 首先应用小波消噪对网络流量进行消噪处理,采用支持向量机作为预测模型。 由于支持向量机预测结果受模型参数影响较大,采用带有随机惯性权重机制的改进黏菌算法来优化支持向量机模型中惩罚因子以及核函数参数。 对所提模型使用最佳参数进行仿真实验,并利用实际采集的网络流量数据进行验证。 实验结果表明,所提模型在评估指标上均优于对比模型。