基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究

《基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號：密級：專業(yè)學(xué)位研究生學(xué)位論文論文題目（中文）基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究論文題目（外文）ResearchonNetworkTrafficForecastingbasedonEchoStateNetwork研究生姓名吳佳東學(xué)位類別工程碩士專業(yè)學(xué)位領(lǐng)域計算機技術(shù)學(xué)位級別碩士校內(nèi)導(dǎo)師姓名、職稱陳曉云教授校外導(dǎo)師單位、姓名論文工作起止年月2014年9月至2016年5月論文提交日期2016年4月論文答辯日期2016年5月學(xué)位授予日期校址：甘肅省蘭州市原創(chuàng)性聲明本人鄭重聲明：本人所呈交的學(xué)位論文，是在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所取

2、得的成果。學(xué)位論文中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點等，均已明確注明出處。除文中已經(jīng)注明引用的內(nèi)容外，不包含任何其它個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究成果做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：日期：關(guān)于學(xué)位論文使用授權(quán)的聲明本人在導(dǎo)師指導(dǎo)下所完成的論文及相關(guān)的職務(wù)作品，知識產(chǎn)權(quán)歸屬蘭州大學(xué)。本人完全了解蘭州大學(xué)有關(guān)保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保存或向國家有關(guān)部門或機構(gòu)送交論文的紙質(zhì)版和電子版，允許論文被查閱和借閱；本人授權(quán)蘭州大學(xué)可以將本學(xué)位

3、論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用任何復(fù)制手段保存和匯編本學(xué)位論文。本人離校后發(fā)表、使用學(xué)位論文或與該論文直接相關(guān)的學(xué)術(shù)論文或成果時，第一署名單位仍然為蘭州大學(xué)。本學(xué)位論文研究內(nèi)容：□可以公開□不宜公開，已在學(xué)位辦公室辦理保密申請，解密后適用本授權(quán)書。（請在以上選項內(nèi)選擇其中一項打“√”）論文作者簽名：導(dǎo)師簽名：日期：日期：基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究摘要網(wǎng)絡(luò)流量是通過網(wǎng)絡(luò)所傳輸?shù)臄?shù)據(jù)量。由于網(wǎng)絡(luò)流量蘊涵了網(wǎng)絡(luò)運行時的關(guān)鍵信息，是管理和優(yōu)化網(wǎng)絡(luò)的重要基礎(chǔ)數(shù)據(jù)，因此對網(wǎng)絡(luò)流量的分析與預(yù)測十分重要。隨著網(wǎng)絡(luò)業(yè)務(wù)

4、的不斷豐富，網(wǎng)絡(luò)流量也呈現(xiàn)出越來越錯綜復(fù)雜的特性。利用網(wǎng)絡(luò)流量預(yù)測模型，可以幫助人們提前感知網(wǎng)絡(luò)未來的態(tài)勢，這對于網(wǎng)絡(luò)規(guī)劃、資源配置和網(wǎng)絡(luò)安全等關(guān)鍵技術(shù)的發(fā)展具有深遠(yuǎn)的影響。如何建立一個既高效又準(zhǔn)確的模型來預(yù)測網(wǎng)絡(luò)流量已經(jīng)成為了一個具有挑戰(zhàn)性的研究熱點。作為一種廣受關(guān)注的新型遞歸人工神經(jīng)網(wǎng)絡(luò)，回聲狀態(tài)網(wǎng)絡(luò)（EchoStateNetwork,ESN）具有計算高效且易于使用的優(yōu)勢。此外，由于ESN使用了儲備池計算框架，具備動態(tài)記憶能力，因此特別適合處理時間相關(guān)的建模問題，并且已經(jīng)被成功地應(yīng)用在各種時間序列預(yù)測工程實踐中。而歷史網(wǎng)絡(luò)流量

5、記錄可以看作時間序列數(shù)據(jù)，對網(wǎng)絡(luò)流量的預(yù)測也可以看作一個標(biāo)準(zhǔn)的時間序列預(yù)測問題，因此可以使用ESN模型對其進(jìn)行建模分析。但是，由于現(xiàn)代網(wǎng)絡(luò)流量具有自相似、長程相關(guān)和多重分形等復(fù)雜的多尺度特性，而標(biāo)準(zhǔn)的ESN模型不能有效識別網(wǎng)絡(luò)流量中的多尺度特性，因此會導(dǎo)致預(yù)測精度上的損失。本文通過改進(jìn)共生生物搜索(SymbioticOrganismsSearch,SOS)算法，結(jié)合集合經(jīng)驗?zāi)B(tài)分解（EnsembleEmpiricalModeDecomposition,EEMD）算法，提出了一種基于ESN的網(wǎng)絡(luò)流量預(yù)測模型。使用集合經(jīng)驗?zāi)B(tài)分解算法

6、依據(jù)網(wǎng)絡(luò)流量的多尺度特性將數(shù)據(jù)進(jìn)行模態(tài)分解，分離出的高頻信號和重構(gòu)數(shù)據(jù)作為ESN的輸入，并使用本文提出的混沌局部共生生物搜索算法C-SOS對ESN模型的輸入權(quán)值進(jìn)行優(yōu)化。本文將所提模型運用在兩個真實數(shù)據(jù)集上進(jìn)行網(wǎng)絡(luò)流量預(yù)測。實驗結(jié)果表明，該模型相對于其它模型具有較高的預(yù)測精度，是一種有效的網(wǎng)絡(luò)流量預(yù)測模型。關(guān)鍵字：網(wǎng)絡(luò)流量預(yù)測，回聲狀態(tài)網(wǎng)絡(luò)，共生生物搜索，集合經(jīng)驗?zāi)B(tài)分解，混沌局部搜索IResearchonNetworkTrafficForecastingbasedonEchoStateNetworkAbstractNetwork

7、trafficisdefinedasthequantityofdatatransmitsthroughanetwork.Becausenetworktrafficcontainsthekeyinformationwhenthenetworkoperates,anditistheimportantfundamentaldatawhensupervisingandoptimizingnetwork,theanalyzingandforecastingofnetworktraffichavebecomevital.Withtheince

8、ssantabundanceofbusiness,networktraffichasexhibitedincreasingcomplexcharacteristics.Theusingoftheforecastingmodelofnetworktr