长程相关网络通信量的预测

针对长程突发通信量提出了两种基于α平稳信息的预测方法:根据α-平稳过程的协变概念,推导出双曲线偏差渐近意义下的FARIMA(fractionally autoregressive integrated moving average)预测,采用自回归神经网络模拟ARMA过程,并利用遗传算法的全局优化能力与人工免疫算法的多种群快速局部收敛能力对神经网络权值进行准确估计,从而实现对通信量的FARIMA预测.这两种预测方法均能在无限方差准则下实现偏差最小,合并这两种预测值以获得最后的预测结果.对实际踪迹的预测结果证实了两种独立的预测方法有效准确,最后的混合预测能进一步提高最后的预测精度.     

自相似网络通信量的分析与建模

分析了网络通信量中存在的自相似现象，讨论了自相似通信量输入对排除系统的时间延迟和抖动特性的影响，指出由于自相似通信量的长程相关性使得在时间较长的情况下可以通过增加缓存来改善排除系统的延时和抖动特性，针对今后的研究方向，指出在自相似通信量研究中，系统的瞬时性能研究以及反馈控制研究对于网络性能的影响和评估是非常重要的。     

基于人工免疫和FARIMA模型的流量预测方法研究

针对Internet迅速发展而造成的网络拥塞现象,基于人工免疫算法与FARIMA模型提出了一种新的流量预测方法PAIF(Prediction method based on Artificial Immune and FA-RIMA).该方法首先利用人工免疫算法建立了预测策略,并结合FARIMA模型预测结果进行融合,以此提高预测精度.其次,以实际数据进行仿真实验,深入研究了影响PAIF预测误差的因素,同时对比分析了单独使用FARIMA模型的情况.实验结果表明,PPAIF具有较好的适应性.     

自相似流量的ARIMA预测模型研究

计算机网络体系逐渐扩大,因此网络的服务质量和性能也急需提高。网络流量预测是网络管理的一个重要手段,研究表明网络流量具有自相似特性,在此基础上该文提出一种ARIMA预测模型。该模型首先对所生成的网络流量数据进行预处理,基于相关性与偏相关性选择ARMA模型,其次通过AIC、BIC确定阶数,利用检验后的模型进行预测,最后评估预测模型的性能。ARIMA时间序列模型能够预测非平稳数据,与传统统计模型相比,具有可忽略其他的随机变量、预测准确性更高、突发性影响较小的优点。     

一种有效的网络流量预测算法

为了对网络流量做定量研究,提出一种基于稳态队列长度的新型网络实际流量预测算法(Prediction algorithm based on Queue length of Steady state for FARIMA model,PQSF).该算法首先利用基于稳态队列长度的乘积解理论推导节点数据包的排队情况,计算出存在失效节点时流量平均对长的数学公式,并结合FARIMA模型建立预测方法,最后通过网络仿真对PQSF算法进行验证.实验结果表明,该算法具有较好的适应性.     

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法.首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变苣SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警.在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快.     

一种基于小波变换和FARIMA模型的网络流量预测算法

提出了一种新的基于小波变换和FARIMA模型的流量预测方法,首先对原始流量进行小波分解,再进行mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后整合流量.我们用真实网络流量进行了仿真实验,验证了提出算法的预测准确性,较之首先用FARIMA模型对小波系数进行预测再进行小波重构的方法减小了预测...     

自相似网络流量预测研究

研究发现,网络流量自相似特性具有普遍性,且不随缓冲、交换、传输和延迟而改变,网络流量预测必须考虑这种自相似特性.本文从自相似网络流量的多个方面对现有研究成果进行了分析,从网络自相似的模型、参数估计、性能预测等多个方面对网络自相似流量预测研究进展进行了总结,并提出了一种基于测量的流量自相似等价带宽预测算法.分析表明:该算法能有效地减少计算量和降低实现复杂度.     

自相似模型仿真ATM网络VBR视频源研究

仿真过程采用了一种新的异步传输模式（ATM）视频源建模方法，即长期相关性分析和自相似模型方法，使用了自相似模型中的分形高斯噪声（FGN）模型。FGN过程的产生采用了Hosking算法和反变换法。在仿真具体实现过程中改进了现有FGN模型仿真算法的不足，从而使产生的过程既充分考虑到实际可变比特率（VBR）视频源序列的长期相关性，又兼顾了序列的短期相关性，同时给出了仿真结果与实际源统计特性的比较和验证。比较结果表明，自相似模型是一种理想的VBR视频源模型。     

基于灰色马尔可夫模型的水上交通事故预测

在灰色GM（1,1）预测模型的基础上,运用马尔可夫模型对预测结果进行优化,并将由此建立的灰色马尔可夫模型运用于1979～1998年全国水上交通事故数据来预测1999年事故量．结果表明,这种模型的预测精度高达89％,明显优于单独使用GM（1,1）模型的预测结果．     

基于组合模型的网络业务流多重分形建模

研究表明网络业务流具有长相关、短相关特性以及小尺度上的多重分形特性的特点。将可以描述网络业务流波动情况的GARCH模型和可以描述网络业务流长相关特性和短相关特性的FARIMA模型引入网络业务流的多重分形建模中。提出了一种FARIMA/GARCH组合模型。数值仿真对比结果表明提出的FARIMA/GARCH组合模型对网络业务流多重分形谱描述更为准确,实现了对网络业务流多重分形特性的有效建模。     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.     

智能网联交通混合标签感知的推荐预测模型

针对智能网联车辆高速移动以及智能网联组网模式多元化导致的传统协同过滤算法有效性受到限制的问题，提出一种新型混合标签感知推荐模型（hybrid tag-aware recommender model，HTRM）。嵌入层采用Word2Vec模型对项目标签、项目评分、用户行为标签和用户评分进行向量表示；特征层引入自编码器提取项目的自相似特征，采用长短期记忆网络（long short-term memory，LSTM）提取用户行为特征；门控层联合用户和项目的特征，并输入至全连接神经网络（fully connected neural network，FCNN）进行评分预测。实验结果表明，与TCF、CCF、ACF和DSPR传统模型相比，HTRM模型设计更合理，可以获得较高的推荐预测精度。     

网络性能评价中重要事件采样仿真

介绍了重要事件采样仿真技术,分析了其仿真原理和实现方法,给出了典型的仿真算法,仿真表明,对于分数整合滑动平均过程为输入的单服务队列,系统的溢出率与业务的长相关有密切关系,仿真结果与大偏差等分析结论较为一致,说明了仿真的可靠性。     

An Intrusion Alarming System Based on Self-Similarity of Network Traffic

Intrusion detection system can make effective alarm for illegality of network users, which is absolutely necessarily and important to build security environment of communication base service. According to the principle that the number of network traffic can affect the degree of self-similar traffic, the paper investigates the variety of self-similarity resulted from unconventional network traffic. A network traffic model based on normal behaviors of user is proposed and the Hurst parameter of this model can be calculated. By comparing the Hurst parameter of normal traffic and the self-similar parameter, we can judge whether the network is normal or not and alarm in time.     

面向用户的Internet链路状态探测与预报

构造了一个面向Internet一般用户的探测链路当前状态与预报未来状态的框架．利用pathchar和packetpair等探测方法与工具来测量网络路径延迟，得到网络链路的带宽等状态参数，并采用TCPdump对用户所在局域网的网络业务进行收集与建模．用户根据探测的链路带宽和本地网络的业务状态，对未来状态进行预测，并主动控制自己的网络行为．利用EVT，提高了链路带宽估计的精度，使用RARIMA模型，对网络业务和链路状态进行预报．实际到量与预报数据表明本方法是正确有效的．     

一种新的自相似流量模型的网络性能分析

网络流量的自相似性给流量控制和网络资源的管理带来了新的挑战。基于传统流量模型的网络性能结论和网络设计策略不能完全适用于具有自相似流量的高速网络中,采用较符合实际流量特征的、并具有自相似特性的随机过程——随机相位正弦波作为队列服务系统的输入流量模型,运用排队理论推导和分析了这种新的流量模型的网络性能,然后探讨了改善自相似流网络性能的流量控制方法和设想。     

基于K-Factor GARMA模型的网络流量预测

为衡量网络运行负荷和运行状态,在对目前网络流量预测模型进行研究的基础上,结合GARMA,对网络进行合理规划,使之能过较好描述长相关和短相关流量的特征,并且提出一个拥有简单参数改进的k-factor GARMA预测模型.仿真结果验证了所提方法的有效性.