网络流量控制模型研究

笔者基于多年从事网络管理的相关工作经验,以网络流量控制模型为研究对象,文章全文分析了流量控制的意义和分类,而后详细阐述了三种流量控制模型,包括队列调度和管理,流量整形及流量监测与统计,全文是笔者在工作中不断钻研的成果,是长期实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

基于组合模型的网络流量预测

为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.     

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.     

基于小波变换与组合模型的网络流量预测算法

针对网络流量在以不同时间尺度分析时呈现不同特性给流量精确预测带来的困难,提出一种基于快速小波变换和季节差分自回归滑动平均组合模型的多分辨分析预测算法.采用小波方法对网络历史流量进行分解以分析不同时间尺度下的流量相关结构,根据不同时间尺度下的流量时间序列的周期性和自相似性,分别选择合适的模型建模用于预测.使用小波方法对各序列的预测值进行重构,得到原始流量的预测结果.仿真结果表明,所提预测方法比同类预测方法具有更高的精度.     

网络流量监测技术及方法的探讨

网络流量监测是网络管理的基础。为了更好地管理网络和改善网络的运行,网络管理者需要知道其网络的流量情况。比如,当网络管理者发现某些设备的流量负载过重时,就可以考虑在更换新的设备或者改造线路;当网络管理者发现了网络中数据流量变化的规律时,可以更好地调配设备,有效地利用资源。一个能够显示网络设备流量的工具,使网络管理者能够直观地监测设备流量的变化,对网络设备进行有效管理是很有必要的。     

基于均值漂移模型的异常值检测方法

由于异常值的存在对统计推断有很大影响,因此异常值检测是数据分析中的一个重要步骤。对于横截面数据的线性模型,改写模型的设计矩阵后,基于均值漂移模型,利用系数压缩估计方法来进行异常值检测。由于系数压缩估计中调节参数的选择对检测效果有很大影响,基于两种调节方法的加权,提出了一种新的调节方法。数值模拟结果表明,使用这种基于均值漂移模型的异常值检测调节方法,可以显著降低犯两种错误的概率。     

基于均值—方差模型的保险资金投资组合研究

利用Markowitz于均值—方差组合模型,根据近三年的投资收益率情况,在给定预期收益率的情况下,构建了各类资产的最优配置。     

均值-方差模型研究

文章探讨了投资组合风险规划模型,首先回顾了一般的均值-方差模型,在此基础上,对模型进行了拓展,提出了解方程的思想,最后通过案例实证分析得到组合的最优解.     

基于多Agent的网络流量管理方法

针对当前网络流量管理中存在的问题,提出一种基于多agent的网络流量管理,其基本思想是将管理功能分成若干组成部分,分别由软件agent实现,这些agetn分布在网络中,相互间进行商和协作,实现自动化和自适应的网络流量管理,为了证明其技术可行性,专门建立发基于agent的网络流量管理实验系统,对该系统的评估表明,多agent非常适合于开发分布式网络流量管理系统,具有实时性高、可扩充性好、自治能力强的特点,而且与现有方法相比,这种系统的建立、修改和升级更加经济。     

基于Petri的分布式网络流量优化

基于Petri网建立一种分布式流量优化模型,解决了网络的重复转发问题,并在此基础上,结合线性规划方法,实现了网络流量流向的多目标控制,有效提高了网络质量.     

基于网络分层谱系模型的综合评估方法

为了对网络运行质量进行综合评估,定义和描述网络分层谱系模型,并基于网络分层谱系模型设计综合评估方法,考虑不同方案之间基于承载关系有向路的运行指标差异程度对评估结果的影响,凸显网间关系的整体公平和个体差异.算例分析结果表明:该方法能够实现网络运行质量的关联综合评估,为网络管理提供了新的思路.     

基于倾斜航空摄影测量技术建立动态路网模型的交通仿真方法

提出了基于倾斜航空摄影测量技术,从实景测量中提取道路三维线形数据,将数据通过自编程序转化为仿真文件的新建模方法。选取坡道路段和交叉口分别作为路网建模仿真实验方案;采用对照实验法研究了道路线形、车型比、交通负荷等方面发生变化时,新建模方法和传统路网建模方法在仿真结果上的差异。仿真结果表明:新模型中车流的速度和加减速的变化更符合真实行驶状态,可以减少静态数据误差对仿真结果的影响;新模型中车速与加减速度在不同交通流情况下对车道坡度变化更敏感,与实际交通状态的模拟精度及仿真参数的精准度更高。     

基于复杂网络的交通阻抗模型研究

针对城市道路交通拥堵及路网道路使用不合理的交通现状,将影响交通阻抗的因素分为交通流特性和路网结构特性两大类;结合ArcGIS、UCINET以及Matlab等工具,通过复杂网络理论量化网络结构特性对交通阻抗的影响;采用节点收缩方法从结构上确定其对交通阻抗的影响,并与BPR路阻函数相结合,建立综合阻抗的参数模型;根据熵权法来确定模型中的ψ、ω两个参数值。最后以天津市部分城市道路网络为例,进行实例验证,结果表明综合阻抗算法更精确地表征了城市道路网络的交通阻抗。     

可信网络中基于熵权法的信任评估模型

在开放式网络环境下,建立信任模型对节点身份或行为进行考察和评估是保证交互过程安全的有效手段,决策属性的权重设置是信任量化和评估的基础.为了使量化模型贴近开放环境动态变化的客观要求,本文提出了基于熵权法的信任评估模型.在多维决策属性的融合计算过程中,利用信息熵理论确立各决策属性的分类权重, 避免主观判断方法在权重设定上适应性不强的问题,保证推荐信任评估决策的有效性和客观性.仿真实验表明,与同类典型的几种模型相比,本文提出的模型具有更稳健的动态适应性特点,并且在安全性方面也具有显著优势.     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

基于生物种群模型的智能交通网络控制

针对传统交通网络控制方法,通过对其约束条件和交通网络需求分析,以动态设置交通网络控制参数和提高交通网络性能为目的,提出一种基于生物种群模型的智能交通控制算法.在Matlab环境下进行仿真,结果表明,与传统交通网络控制方法相比,基于生物种群模型的智能交通控制算法可以显著提高交通网络利用率,减少车辆在网络中的延误时间.     

基于贝叶斯网络的路网失效程度评估方法研究

创造性地将贝叶斯网络应用于路网失效的评估中。选择连通可靠性作为评价标准,运用实例分析的方法,对基于贝叶斯网络的路网失效程度评估方法进行了研究。通过对路网的失效成因进行分析建立路网失效对应的事件树与故障树,并引入故障树向贝叶斯网络转化的算法,提出了利用贝叶斯网络对城市路网的失效程度进行评估的方法。最后举出一个简单的路网实例,按上述方法对其建立了其路网失效的贝叶斯网络,并利用MSNBX软件对该路网遭遇不同类型攻击时的失效情况进行了模拟计算,得到了实例路网的失效程度。实验结果证明了所探讨的方法的有效性,并为贝叶斯网络在大规模路网研究中的应用提出了一些思考和建议。     

城市交通网络的渗流力学模型

将城市交通网络中的交通流视为多孔介质网络中的渗流,利用裂隙介质中多相渗流力学理论,考虑人流和车流之间的相互作用以及道路通行能力的不同,建立了城市交通网络通行能力计算的渗流力学模型,该模型的计算可以借助渗流力学的现有知识进行,可以通过计算得到不同时刻城市交通网络的交通流分布以及城市交通网络的宏观通行能力。从而为城市交通规划理论提供了一个全新的方法。     

基于GA-Elman神经网络的交通流短时预测方法

以单断面的交通流量为研究对象,采用动态Elman神经网络进行短时交通流量的预测,提出一种基于GA-Elman神经网络的交通流短时预测方法.该方法通过遗传算法优化Elman神经网络的权值和阈值,克服了Elman神经网络易陷入局部最小的缺陷,同时提高了Elman神经网络的泛化能力和预测精度.实验仿真表明,本文方法可用于城市快速路上预测实时交通流量,预测效果优于Elman、GA-BP预测模型.     

基于卷积注意力网络的网格质量评价方法

将深度卷积神经网络引入网格质量评价问题有望代替网格工程师完成繁杂的网格质量评价工作,节省计算流体力学数值模拟的人力成本,但现有方法的准确率和效率仍需要提高.因此,本文提出一种基于卷积注意力网络的网格质量评价方法.首先,本文提出在轻量级卷积神经网络模型中嵌入通道注意力的方式以同时提升准确率和效率;其次,设计了一个神经网络模型CANet用于网格质量评价任务;最后,通过Z-Score标准化对数据进行预处理,解决输入数据分布不一致的问题,以进一步提升准确率.实验结果表明,与现有方法相比,CANet可以达到更优的准确率97.06%,并且在效率上也有至少34.9%的提升.