GARCH非线性时间序列模型的网络流量预测

网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究了使用广义自回归条件异方差模型(GARCH)对网络流量数据进行建模的方法,通过仿真实验表明,该模型可以较好地描述网络流量数据的异方差性,同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。     

季节周期性Elman网络的网络流量分析与应用

针对静态前馈网络和Elman网络在网络流量预测中的不足,建立了一个基于改进Elman神经网络的流量模型,并提出了一种基于季节周期性学习方法,根据实际网络中测量得到的网络流量数据,对网络流量进行预测。实验结果表明,该模型具有良好的预测效果,相对于传统线性模型、BP神经网络模型及标准Elman神经网络模型具有更高的预测精度和更好的自适应性,应用于网络流量预测是可行、有效的。     

面向海量数据的网络流量混沌预测模型

针对网络流量的混沌特性以及海量特性,为弥补网络流量预测模型存在的不足,以获得更优的网络流量预测结果,提出了面向海量数据的网络流量混沌预测模型。该模型首先采用小波分析对原始网络流量时间序列进行多尺度处理,得到不同特征的网络流量分量,然后对网络流量分量的混沌特性进行分析,分别进行重构,并采用机器学习算法中的极限学习机进行建模与预测,最后采用小波分析对网络流量分量的预测结果进行叠加,得到原始网络流量数据的预测值,并进行网络流量预测的仿真实验。实验结果表明,所提模型的网络流量预测精度超过90%,不仅预测精度结果远远超过其他网络流量预测模型的结果,而且其网络流量预测的结果更加稳定,因此是一种有效的网络流量建模与预测工具。     

基于加权支持向量回归的网络流量预测

网络流量预测对于网络的安全和可用性至关重要,但是,传统的网络流量预测方法使用平均时间加权的方法进行预测,缺泛化能力导致预测精度低。基于每一个网络流量历史数据到预测点的时间间隔计算其时间权重,使用带时间权重的加权支持向量回归模型w-SVR预测网络流量。该模型因为其泛化能力和为每个训练数据设置单独的权重而提高了网络流量预测的准确性。模拟实验显示w-SVR模型相对于ANN和AR模型,预测错误率分别降低了37.4%和65.6%,而标准误差降低了46.2%和53.3%。     

基于改进Elmam神经网络的网络流量预测模型

提出了一种改进Elman动态回归神经网络,在此基础上建立了一种网络流量预测模型,该模型相对于传统的线性模型和BP神经网络模型具有更高的预测精度和更好的自适应性,利用某大学校园网统计得到的实际网络流量数据进行仿真实验,结果表明该模型具有良好的预测效果。     

基于网络流量半马尔柯夫模型的流量预测

引入了半马尔柯夫模型描述网络流量特性，并在该模型的基础上分析推导了相应的流量预测方法。分别对广域网和局域网不同时间尺度统计的实际流量数据进行分析和短期、长期预测，所有数据的实际预测精确度均小于预先设定的置信度。说明引入的模型能真实反映网络流量特性，基于该模型的流量预测方法具有良好的预测性能且适用于不同长度的预测。     

基于RBF神经网络的网络流量建模及预测

随着计算机网络的迅速发展,目前的网络规模极为庞大和复杂,网络流量预测对于网络管理具有至关重要的意义。根据实际网络中测量的大量网络流量数据,建立了一个基于RBF神经网络的流量模型,给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法,并基于该流量模型对网络流量进行预测。仿真结果表明,该模型具有较高的预测效果,相对于传统线性模型及BP神经网络模型具有更高的预测精度和良好的自适应性。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上．提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

基于混合模型的网络流量预测算法

研究网络流量准确预测,针对网络优化控制问题,由于网络数据拥塞严重,网络流量变化具有高度自相似性、非线性和多尺度等特点,线性数据的传统预测方法无法准确刻画网络流量的非线性变化规律,导致预测准确率低.为了提高网络流量的预测准确率,在分析网络流量变化特征的基础上,提出一种小波分析的网络流量混合预测模型.混合模型首先利用小波分析将网络流量分解线性和非线性部分,然后分别采用ARIMA模型和BP神经网络模型对其进行预测,最后采用小波分析对线性和非线性部分预测结果进行重构,得到混合模型最终预测结果.仿真结果表明,混合模型比其它网络流量预测模型具有更高的预测准确率,为网络优化控制提供了有效分析方法.     

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。     

嵌入式组件模型研究

介绍了嵌入式组件模型的研究现状，分析了几种面向特定应用的和剪裁通用组件模型得到的嵌入式组件模型，探讨了规范组件模型的抽象级别、组件模型的非功能性属性的处理等嵌入式组件模型研究的问题。     

军事训练考核数据仓库模型设计与实现

分析了传统军事训练考核系统中数据处理方法的不足，提出了基于联机分析处理技术的军事训练考核数据仓库模型设计方案，介绍了其概念模型、逻辑模型、物理模型的设计方法。以Visual Basic语言和Microsoft Analysis Service为基础阐述了该模型的实现方法。     

扩展RBAC模型及其在ERP系统中的应用

基于Core RBAC模型,提出扩展RBAC（基于角色访问控制）模型。该模型细化了客体集、操作集,提出了组别的概念,并对权限进行三维约束,实现了面向应用的RBAC体系结构,增强了系统的安全性和易维护性。结合企业信息化的典型代表——ERP系统,对扩展RBAC模型的具体实施进行分析。企业应用结果表明,该模型适用于企业信息化建设。     

基于最大熵模型的中文姓名识别

最大熵模型可以对非常广泛的自然语言现象建立概率模型，该文提出了一种使用统计模型的中文姓名识别方法，采用最大熵原则建立统计模型，并运用该模型计算姓名概率。系统采用真实语料进行开放测试的结果表明，在保证一定准确率的情况下，系统召回率可达90%以上。     

虚拟原型多体动力学约束模型研究

并行工程角度出发的机械虚拟原型是集成了产品的设计、分析,不断迭代、优化的过程,模型的协调一致性是保证设计过程完整的关键,如产品模型在CAD模型与机械多体动力学模型中的一致性表达。在这种观点下,该文提出在建立基于组件的机械系统虚拟原型时,从CAD中抽取多体动力学模型构件的物理属性,研究了国产三维实体设计软件CAXA环境下,基于多刚体系统动力学笛卡尔方法,从CAD模型映射多刚体动力学分析模型语义的实现方案。分析了多刚体系统动力学模型语义下,多体动力学约束模型坐标基变换关系的抽取。实验结果表明,从CAD中抽取多体动力学模型的物理属性的方案是可行的。可以用于建立基于组件的多体系统虚拟原型的分析模型,实现自主开发设计、分析集成的机械虚拟原型。     

一种基于软件Agent的虚拟企业工作流管理系统

文章提出了一种基于软件ａｇｅｎｔ的工作流管理系统,采用基于活动的工作流建模方法,建立了形式化的工作流模型,在此基础上,定义了包括活动、意向、技能、自身能力、伙伴等模型的实现工作流运行的ａｇｅｎｔ模型,构建了可嵌套的ａｇｅｎｔ联邦结构,增强了系统的灵活性,并定义了基于工作流的共享领域本体论,支持ａｇｅｎｔ间的语义互操作。     

UCON访问控制的研究

UCON模型是一种新型的访问控制模型,它包含了传统访问控制模型并能适应现代信息系统的访问控制要求,为研究下一代访问控制提供了新思路,被认为是当前很具有潜力的访问控制技术。本文较为全面的介绍了UCON模型,重点介绍了UCON核心模型的组成元素,UCONABC模型,阐述了UCON模型的新特性,以及它的使用范围,最后分析了UCON的优点以及实际应用中存在的不足。     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

操作响应模型在虚拟维修样机中的应用

测试测量设备虚拟维修样机操作状态繁多、操作规则复杂,不易建立样机操作响应过程的数学模型.为此,基于产生式规则构建样机操作响应模型,对操作响应过程进行功能模拟.设计操作响应模型的知识规则库,研究操作响应模型的控制策略,使用正向推理方式实现操作响应过程的正确推理.实例验证了该模型的正确性.     

复杂雕刻型面特征造型技术的研究

本文结合雕刻学习的特点,给出了雕刻学习特征建模数据结构,说明了雕刻特征建模应注意的设计原则及其相关的操作,并就特征的定义及其表示给出了的详细的说明,系统能满足雕刻学习、雕刻设计、雕刻加工的需要,是一种切实可行的方法。