基于FARIMA模型的Internet网络业务预报

最近的网络研究发现Internet网络业务同时呈现长相关和短相关特性,因此建立可以同时描述,预报长相关和短相关特性的网络业务模型很有必要。文中给出了利用FARIMA模型进行建模和预报的方法,实验表明这种方法用于实际Internet网络trace是非常有效的,另外提供了简化FARIMA模型拟合的方法和具体步骤,这样大大缩短了模型辨识的时间,对于实际网络预报有很好的实用性。     

基于BP网络的水文预报模型

在BP人工神经网络基础上建立水文预报模型,讨论了模型的学习样本、网络参数和训练方式对预报精度的影响,选出最佳网络参数配置.     

基于业务规则的电信网络数据处理框架

通过对电信领域网络管理技术的研究，对电信领域中的术语和概念进行抽象，建立事实模型，并结合实际项目提出基于业务规则的电信网络数据处理工作框架。这种方法使用事实模型中的术语和概念建立控制规则和采集任务，并且使用面向对象的Rote算法组织业务规则，使数据处理具有更大的灵活性和更高的效率，实现了业务逻辑和过程的分离。用户可以针对具体网络情况定制具有良好可读性的业务规则，而不必频繁修改那些复杂的业务决策语句。     

爱立信业务网络带来最真实的用户体验

对于业务网络的定义,从市场的角度来讲,是一个巨大的范畴.一切超越语音的通信业务,都可以包容在爱立信的业务网络定义中.无论是固定业务还是移动业务、纯粹的数据业务还是增强型的话音业务,都可以在爱立信的业务网络模型中生成并且被精细地管理.     

基于业务规则的电信网络数据处理框架*

通过对电信领域网络管理技术的研究,对电信领域中的术语和概念进行抽象,建立事实模型,并结合实际项目提出基于业务规则的电信网络数据处理工作框架。这种方法使用事实模型中的术语和概念建立控制规则和采集任务,并且使用面向对象的Rete算法组织业务规则,使数据处理具有更大的灵活性和更高的效率,实现了业务逻辑和过程的分离。用户可以针对具体网络情况定制具有良好可读性的业务规则,而不必频繁修改那些复杂的业务决策语句。     

CUACE/Dust:亚洲沙尘暴计算机业务预报系统

CUACE/Dust(中国沙尘暴大气化学环境系统)为一综合性的沙尘暴预报系统.该系统由以下两部分组成:(1)包含沙尘起沙及干/湿沉降等其他大气动力过程的大气气溶胶模块;(2)建市在中国气象局的观测资料以及中国风云二号地球静止卫星反演资料上的资料同化系统.这是第一次通过资料同化系统成功地将地面观测台站的数据与卫星的沙尘气溶胶反演资料结合起来,并用于东亚地区的实时业务预报.在预报2006年东亚地区的沙尘暴过程中,该业务系统捕捉到了31次大型沙尘暴事件,而这些事件均被地面台站和卫星所观测剑.分析结果显示,在有资料同化系统参与的情况下,2006年春季东亚地区0～24小时季节平均预报技术得分从0.22上升至0.31,实现了41%的增长.同时还将一些具有代表性的台站在整个2006年春季所预报的沙尘浓度的时间序列与地面PM10监测数据进行了比对.比对结果显示,所预报的沙尘浓度的时间序列与出现大量沙尘气溶胶的近地表地区的沙尘暴的发生时间及强度吻合.大气化学和物理学杂志为该预报系统的研发及应用结果专门出了一期特刊,而本文则为该特刊的总结性报告.     

基于主动网络技术的面向业务的网络管理模型

传统的面向设备的网络管理不能适应下一代网络的需求,面向业务的网络管理是网管系统发展的必然趋势。在主动网络技术研究的基础上,借鉴主动网络技术和电信网络业务管理的先进思想,提出了面向业务管理的组织模型、功能模型、信息模型和通信模型,并在此基础上创建了一种基于主动网络技术的面向业务的管理模型。根据该模型开发的网管系统能够较好地对网络业务进行有效地管理。     

自相似网络业务的一个FARIMA模型

近来发现,高速网络业务具有自相似及长相关特性,分数噪声可描述该类业务。但它仅表现长相关特性,给出了利用ＦＡＲＩＭＡ模型拟合自似网络业务的一整套方法,该模型同时刻画了实际业务的长相关与短相关行性,通过对实测数据的实验, 模型的优效性。     

基于组合神经网络模型的金融时序预测

金融市场中的股票价格具有波动性和复杂性,而如今传统模型很难有效进行股价预测。选取上证指数作为数据集,提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型,BP-LSTM模型利用BP模型提取数据中的非时序信息,再用LSTM模型提取数据中的时序信息的优点。ARIMA-LSTM模型中ARIMA模型可以利用数据中的线性信息,而LSTM模型适合提取数据中的非线性信息。为了证明模型的可行性,建立了LSTM模型,BP模型和ARIMA模型来进行对比,得出ARIMA-LSTM的预测效果好过其他的模型,BP-LSTM预测股价效果不好,但更适合做分类来预测股票涨跌。     

构建面向未来的业务网络

在长期的新业务实践中，网络运营商已经认识到建设具有通用架构的业务网络．便于新业务主要公共功能的开发并保证质量。     

基于统计方法的骨干网异常流量建模与预警方法研究

近几年来,Internet上频繁发生的蠕虫爆发和大规模分布式拒绝服务事件使网络服务的安全性面临严重的威胁。本文介绍了一个基于异常流量检测的Internet骨干网流量早期预警系统ESTAB（Early-warning System of Traffic Anomaly Based）。它基于Internet骨干网异常流量发现原理,通过对端口、长度分布、TCP标志等直接变量（Direct Variable）的监测,并结合统计学中的时间序列分析方法,实时分析发现流量异常,并提出告警。文中提出了多种事件联合监测的概念,从流量监测角度有效地对付已知流量威胁（如已知蠕虫）,并对未知流量威胁提供了相应的监测策略。     

基于分布式统计时间序列的网络流量分析

研究网络数据在分布式存储下的相关性,有利于入侵检测整体的学习和指导优化数据的存储.重点研究了网络传输过程中各种类型数据的流量的这种相关性,提出了一种基于分布式统计(DS)的时间序列分析方法:根据网络协议间的关系将数据包分组,分析数量关系并给出报警阈值.仿真实验结果表明,该方法能较好地发现各种网络攻击.     

短时交通流预测模型综述

随着智能交通系统(ITS)的蓬勃发展,智能交通控制与诱导系统已经成为ITS研究的热门核心课题,而实现该系统的关键和基础是准确的短时交通流量预测。论文介绍了短时交通流预测模型的发展历史,并从不同的角度对短时交通流预测模型进行了分类。接着对国内外最新的研究成果进行了详尽的分析和阐述,指出了理论研究和实际应用中所存在的困难和一些亟待解决的问题。     

基于时间序列的校园网流量预测研究

网络流量预测能有效地提高网络管理的工作效率和网络带宽的利用率。本文在校园网实际应用环境中,利用时间序列模型对收集到的实际网络流量数据进行预测,并通过实验证明该预测方法具有一定实用性。     

模糊小脑模型神经网络在短时交通流预测中的应用

模糊小脑模型神经网络（FCMAC）将模糊理论引入小脑模型网络则形成的一种新型网络。在研究FCMAC算法的基础上,将FCMAC算法应用于短时交通流预测问题。通过仿真实验,并与BP和RBF方法进行比较。结果表明FCMAC方法具有较高精确性和一定的应用价值。     

模糊小脑模型神经网络在短时交通流预测中的应用

模糊小脑模型神经网络(FCMAC)是将模糊理论引入小脑模型网络则形成的一种新型网络。在研究FCMAC算法的基础上,将FCMAC算法应用于短时交通流预测问题。通过仿真实验,并与BP和RBF方法进行比较。结果表明FCMAC方法具有较高精确性和一定的应用价值。     

基于数据中心流量特征的端到端流量估计算法

数据中心是云计算等大型分布式计算服务的基础,有效地设计与管理数据中心需要遵循数据中心网络的端到端流量特征。然而直接地测量网络的端到端流量需要耗费巨大的软件成本和硬件成本,并且由于数据中心网络结构的特殊性,传统的计算机网络采用的流量估计方法也无法适用于现有的数据中心网络。为解决以上问题,首先依据数据中心的资源分配和链路利用率情况提取出网络的粗粒度流量特征,在此基础上提出一种基于重力模型和网络层析技术的数据中心端到端流量估计算法。与现有的流量推理算法Tomogravity和ELIA在NS3搭建的不同规模的数据中心网络中进行性能对比,实验结果表明,所提算法能有效地利用提取出的粗粒度流量特征,在保证计算效率的前提下将计算准确度大幅提升,可满足当前数据中心网络实时获取端到端流量数据的需求。     

基于时序模型的Bug数的分析与预测

在大型软件测试中,发现的Bug数是一个随机时间序列,没有固定的数量规律,但可以借助数学模型研究Bug的数量关系.通过对实际的大型软件开发项目中的Bug数的整理和分析,建立了ARMA(p,q)模型,使用该模型可以预测Bug数,并从中发现软件开发过程中存在的质量控制问题.     

基于小波的网络流量特征分析

网络流量的特性分析一直是通信网络性能分析的一个极其重要的问题.本文充分利用小波变换具有多分辨率的特点,将时域里的网络流量通过小波分解,分解到不同的频带上,再对各子频带上的细节分量使用不同阀值进行消噪处理,然后采用自回归滑动平均混合模型对小波分解去噪后的不同分量分别进行预测再合成预测流量.对实际流量进行模拟预测,结果表明该模型有效地提高了预测精度,能对网络流量特别是短期流量做出较为准确的预测.