小波神经网络在教育网格下行流量预测中的应用

准确预测教育资源网格的下行流量有助于网格的负载均衡和信息安全管理。小波神经网络适合于对具有随机性和不确定性特征的网格下行流量进行建模和非线性预测。针对一般小波神经网络预测模型存在收敛速度较慢,误差较大,稳定性较差等不足,在基于梯度下降法的网络权值和参数修正方案中增加了动量项,同时,提出了一种对预测的中间结果引入随机样本替换机制的改进算法。实验结果表明,该算法能有效降低网络训练的收敛时间,提高网络预测的准确性和稳定性。     

小波神经网络在房地产价格指数预测中的应用

随着房地产价格指数的作用充分显现,探求预测房地产价格指数的有效方法是需深入研究的方向。该文以中房上海住宅价格指数为例,首先对房地产价格指数序列性质进行分析,表明房地产价格指数是具有非线性特征的非平稳时间序列。采用小波神经网络对房地产价格指数进行预测,并将预测结果与指数平滑法和RBF神经网络预测做了对比。采用MATLAB对拟合和预测过程进行仿真。结果指标表明,在大样本数据的情况下,采用小波神经网络对房地产指数进行预测能够获得较好的效果。     

基于小波神经网络的IP网络流量预测

采用小波神经网络对网络流量数据的时间序列进行建模与预测。针对BP神经网络预测准确率不太理想的情况,将小波理论引入BP神经网络,引用小波理论中多分辨分析技术对基于BP神经网络的模型进行改进,建立了基于小波神经网络的IP网络流量预测模型。该模型利用小波多分辨分析分解信号,再用已分解的信号序列来训练BP神经网络。实验结果表明,小波神经网络比BP神经网络对网络流量的预测结果精度更高、性能更好,利用小波神经网络预测网络流量是一种可行、有效的方法。     

小波神经网络在北京河湖水华预测中的应用

针对不同季节水华生长的不同特点,在对水华生长规律研究的基础上,运用小波分析对表征水华的叶绿素信号进行降噪处理,建立一种结合小波变换与神经网络相结合的水华预测模型（WANN模型）,该模型既有神经网络的自学习能力特性,又有小波的局部特性,并将其应用到北京夏季河湖水华预测中。通过小波多分辨率分析,对样本包含的信息进行充分挖掘,提取反映其变化规律的成分,有效避免了原始数据中噪声对网络的干扰,提高网络的性能,WANN模型预测结果与BP网络预测结果对比,具有较高的预测能力,从而获得相对理想的预测效果。     

小波神经网络算法在区域需水预测中的应用

将神经网络和小波分析理论相结合建立小波神经网络模型,在网络参数训练中采用进化算法,设计小波神经网络进化算法步骤。通过对应用于盐城市在未来2010年需水预测的实例进行计算分析,结果表明了该模型具有良好的可行性和合理性,可以借此深入分析外生输入变量与区域需水量之间的关系。     

小波神经网络在黄金价格预测中的应用

通过对影响黄金价格变动的主要因素的研究,提出一种基于小波神经网络的黄金价格预测模型。给出了具体的网络学习算法,并结合算法对黄金价格进行预测。为验证模型有效性,进行了对比测试。分析结果表明,小波神经网络模型比传统的BP神经网络模型具有收敛速度快、预测精度高的特点。     

小波神经网络在粮食产量预测中的应用

文章提出一种基于小波神经网络的粮食产量预测模型。给出具体的网络学习算法,并结合算法对我国粮食产量进行预测。为验证模型有效性,进行了对比测试。分析结果表明,小波神经网络模型比传统的BP神经网络模型具有收敛速度快,预测精度高的特点。     

基于遗传算法的小波神经网络在电价预测中的应用

在电力市场中边际电价预测得准确与否,对于发电厂的竞价决策具有非常关键的影响。为了克服BP神经网络自身算法的缺陷,得到更高的学习精度和更快的收敛速度,该文建立了基于遗传算法的小波神经网络电价预测模型。该模型结合了遗传算法的全局优化搜索能力以及小波神经网络良好的时频局部性质。经实例验证该模型能有效地提高预测精度,避免了BP神经网络的固有缺陷。     

基于小波神经网络的流量自回归预测研究

通过应用系统的历史网络流量训练小波神经网络的各个参数,最终确定收敛的小波神经网络的结构。证明流量的自回归短期预测是个NP问题,分析小波神经网络预测算法的时间复杂度。通过实验结果表明,采用小波神经网络相对于BP、GRNN、解决此类NP问题具有良好预测效果和收敛速度。     

融合模拟退火算法的神经网络流量预测研究

为了提高网络流量预测的精度,针对BP网收敛极易陷入局部极小点的缺陷,引入模拟退火算法思想优化小波包神经网络,对网络流量数据的时间序列进行建模预测。先将原始网络流量序列进行小波包消噪,将消噪后的序列作为融合模拟退火思想的小波包神经网络的输入,待预测序列作为输出。通过消噪后的前N天的流量序列,预测出后M天流量序列。仿真实验结果表明,与直接利用小波神经网络预测的模型比较,融合了模拟退火算法思想的小波包神经网络具有更好的预测能力。     

电信业有关NGN标准化工作进展

对国际电信联盟（ITU）及国内外电信行业有关下一代网络(NGN)的标准化工作进展情况进行了全面的分析与综述,内容涉及电信业 NGN的概念与内涵以及相关工作的标准化进程与前景。重点讨论了软交换技术、IP多媒体子系统（IMS）和基于MPLS的IP承载网相关的技术。最后指出：互联网技术给传统的电信网络运营商既带来挑战,也带来机遇,NGN的实现是一个长期的过程,成熟技术与高性价比的技术将最终占据主导地位。     

程控交换机和NGN网络对接方案设计

论述NGN基本概念及特征,分析PSTN的现状和日渐明显的问题,提出一种立足于PSTN现状,实现PSTN与IP网融合的网络优化解决方案,最终实现了现有网络向全分组的NGN平滑过度的协调发展的可行性解决方案。     

基于OGSA和Parlay保证资源同步的NGN业务体系结构

提出了采用开放Grid Servicc体系结构（OGSA）以及Parlay API的NGN业务体系结构,解决了跨网络和平台实现资源同步管理和分配的问题,在此基础上,该体系结构采用遵循OGSA标准的Globus作为进一步研究和开发的平台,文章最后给出了基于此体系结构的一个业务组合例。     

经GA优化的WNN在交通流预测中的应用

针对城市交通流的复杂性、随机性、非线性等特点,利用遗传算法(GA)优化小波神经网络(WNN),以克服传统神经网络收敛速度慢、易陷入局部最小点等缺陷,在此基础上建立基于GA-WNN的城市交通流预测模型。利用GA-WNN、GA-BP和WNN模型对南昌市南京西路交通流进行仿真预测,实验结果表明,GA-WNN模型的预测效果较好,相比GA-BP和WNN模型具有更高的预测精度和更快的收敛速度。     

下一代网络综合网络管理体系结构研究*

对下一代网络综合网络管理的体系结构问题进行了研究,针对NGN的特点分析了NGN综合网络管理的必要性及其需要解决的问题;在此基础上设计了一种基于Web的NGN网络管理框架,并结合一个符合NGN特征的具体仿真网络实例设计了基于Web的NGN网络管理系统。     

NGN业务平台内存数据库的设计与实现

在下一代网络(NGN)业务的运行过程中,由于大量的呼叫同时存在,因此对数据的访问实时性要求高。针对该情况,提出一种内存数据库的设计开发思路,把业务需要访问的表和数据,通过一个二级散列表的方式,在内存中进行统一存储,并对内存中数据的加载、同步、访问接口等进行了实现。该内存数据库已在上线的NGN业务中成功使用,其可靠性、安全性得到了实际检验。     

软交换呼叫服务器中高效备份的方法

软交换呼叫服务器的数据吞吐量十分巨大，影响电信网络通信性能。目前的研究大多局限于通过加大网络传输能力以及采用负荷分担的形式来减轻负荷。该文针对软交换中呼叫服务器的备份过程，改进了备份系统模型，并将提取/恢复函数引入呼叫服务器的备份系统，有效地提高了主备板之间的备份效率，从而提高了呼叫服务器的可靠性。     

遗传BP神经网络在网络流量预测中的应用

由于BP神经网络本质上采用的是梯度下降算法,具有收敛速度慢、容易陷入局部极小点等缺陷.针对这种情况,用具有良好全局搜索能力的遗传算法来改进BP神经网络模型,对神经网络的初始权值和阈值进行优化.仿真结果表明,遗传BP神经网络具有良好的预测效果,预测精度比传统的BP神经网络要高,误差更小,说明了遗传BP神经网络对网络流量预测是高效可行的.     

常微分GP算法对IP业务流量预测的改进

为了解决IP业务流量的建模与预测自动化问题，该文针对传统GP模型在流量行为分析对预测精度和外推性能方面存在的不足，提出了在原有模型基础上引入常微分方程进行GP（遗传规划）演化，从而提高了模型的动态描述能力，改善了模型的复杂度，更能贴切反映业务流量的变化规律。     

高斯过程混合模型应用于网络流量预测研究

精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合（GPM）模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机（SVM）、核回归（KR）、最小最大概率机回归（MPMR）和高斯过程（GP）等模型比较。通过对比均方根误差[(RMSE)]和决定系数[(R2)]评价指标,GPM模型的预测准确度要优于其他四种模型。说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考。