基于神經(jīng)網(wǎng)絡(luò)的自相似業(yè)務(wù)流預(yù)測研究.pdf

1、預(yù)測網(wǎng)絡(luò)業(yè)務(wù)的行為在通信網(wǎng)絡(luò)的接入管理和擁塞控制等方面有著重要的意義。隨著現(xiàn)代通信技術(shù)的高速發(fā)展，網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大，網(wǎng)絡(luò)業(yè)務(wù)呈現(xiàn)多樣性。越加復(fù)雜的網(wǎng)絡(luò)行為特征給網(wǎng)絡(luò)流量建模和預(yù)測帶來了新的挑戰(zhàn)。近年來的許多的研究表明，網(wǎng)絡(luò)業(yè)務(wù)流量普遍存在著自相似性。自相似業(yè)務(wù)流對網(wǎng)絡(luò)性能有著不可忽視的影響。另一方面，業(yè)務(wù)的這種自相似性也暗示了網(wǎng)絡(luò)流量具有可預(yù)測的結(jié)構(gòu)。網(wǎng)絡(luò)流量預(yù)測傳統(tǒng)方法是利用流量的統(tǒng)計(jì)特性建立數(shù)學(xué)模型。隨著神經(jīng)網(wǎng)絡(luò)研究的深入，一些學(xué)者

2、也將其用于網(wǎng)絡(luò)流量的建模和預(yù)測。
　　 本文根據(jù)網(wǎng)絡(luò)業(yè)務(wù)的自相似特征，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行自相似流量的預(yù)測和應(yīng)用研究。對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法進(jìn)行了探索性研究，引入一種基于自適應(yīng)增益系數(shù)改進(jìn)的學(xué)習(xí)算法。本論文的主要研究工作包括以下幾個方面：
　　 1.總結(jié)網(wǎng)絡(luò)流量的自相似的特征、及其產(chǎn)生原因和對網(wǎng)絡(luò)性能的影響。在分析神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)流量預(yù)測方面研究的基礎(chǔ)上，使用BP和FIR兩種前向神經(jīng)網(wǎng)絡(luò)作為自相似流量的預(yù)測模型。
　

3、　 2.研究神經(jīng)元模型的結(jié)構(gòu)和對信息的處理方式，在分析BP和FIR神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)學(xué)習(xí)算法基礎(chǔ)上，引入一種基于自適應(yīng)增益系數(shù)改進(jìn)的方法。將改進(jìn)算法用于BP和FIR神經(jīng)網(wǎng)絡(luò)，推導(dǎo)參數(shù)的更新方式。在相同的網(wǎng)絡(luò)結(jié)構(gòu)和初始參數(shù)條件下，分析改進(jìn)算法對預(yù)測結(jié)果和均方誤差收斂速度的影響。
　　 3.應(yīng)用BP和FIR神經(jīng)網(wǎng)絡(luò)進(jìn)行自相似業(yè)務(wù)流量的預(yù)測。對于相同的網(wǎng)絡(luò)流量樣本，通過比較不同結(jié)構(gòu)的BP和FIR神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果確定用于預(yù)測的最優(yōu)結(jié)構(gòu)。比

4、較BP、FIR和Wiener濾波器對自相似流量的預(yù)測結(jié)果，選擇其中預(yù)測性能最好的模型用作緩沖區(qū)動態(tài)分配的預(yù)測器。
　　 4.根據(jù)預(yù)測結(jié)果動態(tài)地分配排隊(duì)系統(tǒng)的緩沖區(qū)空間。在幾種緩沖區(qū)分配方案中，分析自相似程度對排隊(duì)系統(tǒng)性能的影響，為進(jìn)行緩沖區(qū)的動態(tài)分配提供依據(jù)。在分析完全分割(CP)和實(shí)時動態(tài)共享(RTDS)方案的基礎(chǔ)上，提出基于預(yù)測的動態(tài)共享(PBDS)方案。通過仿真比較三種不同方案對排隊(duì)系統(tǒng)分組丟失率的影響，同時分析各個方案對