分布式网络流量预测模型的精度研究

网络流量模型是网络性能评价、网络协议设计、网络规划等的基础。本文设计基于分布式网络测试的时间与相关流量模型的方法,并采用该流量模型预测网络流量。文章提出网络流量预测精度的数学定义,网络测试实验表明,我们的流量模型具有更高的精度,并适用实际运行的网络环境。     

基于时间特征的网络流量预测模型

本文设计一种基于时间特征的网络流量预测模型,并采用该流量模型预测网络流量。文章提出网络流量预测误差的数学定义,根据测试实验表明,我们的流量模型具有更高的可用性,并适用实际运行的网络环境。     

基于周期性网络流量模型的流量预测

文中使用自主开发的网络监控系统，对数据链路实施长期的测试监控。通过大量流量测试数据统计分析表明，WAN／LAN实际流量可以分为时间相关分量和时间无关分量。文中介绍了一个基于周期性网络流量模型的流量预测算法，以便对给定时刻的网络流量进行在线预测，并给出了不同预测精度下预测流量取值区间和实际流量的比较结果。     

季节周期性Elman网络的网络流量分析与应用

针对静态前馈网络和Elman网络在网络流量预测中的不足,建立了一个基于改进Elman神经网络的流量模型,并提出了一种基于季节周期性学习方法,根据实际网络中测量得到的网络流量数据,对网络流量进行预测。实验结果表明,该模型具有良好的预测效果,相对于传统线性模型、BP神经网络模型及标准Elman神经网络模型具有更高的预测精度和更好的自适应性,应用于网络流量预测是可行、有效的。     

模糊综合评判算法在网络流量预测中应用

研究了网络流量预测准确性问题。预测网络数据流的动态变化,针对互联网中对网络流量的不确定影响因素较多,传统的流量预测模型精度较低等问题缺陷,提出了一种新的模糊综合评判算法,对网络流量进行预测。在全面分析网络流量相关需求的基础上,首先利用相关空间重构对网络流量原始数据进行重构,采用改进的层次分析多模型进行优化,建立模糊综合评判的网络入侵检测多指标评估模型,最终经预测得出结果。仿真结果表明采用该算法对实际网络的流量进行了预测,验证了方法具有较高的预测精度。     

基于RBF神经网络的网络流量建模及预测

随着计算机网络的迅速发展,目前的网络规模极为庞大和复杂,网络流量预测对于网络管理具有至关重要的意义。根据实际网络中测量的大量网络流量数据,建立了一个基于RBF神经网络的流量模型,给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法,并基于该流量模型对网络流量进行预测。仿真结果表明,该模型具有较高的预测效果,相对于传统线性模型及BP神经网络模型具有更高的预测精度和良好的自适应性。     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上，但是由于复杂的拓扑结构和网络行为，网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据，建立一个时间相关的基于神经网络的流量模型，预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

基于周期性网络流量模型的校园网流量预测

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础,然而实践证明基于泊松过程的传统流量模型并不适用于实际的网络流量.在对大量校园网络流量数据统计分析的基础上,提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法,从而保证对校园网络高效的管理.     

基于改进的Elman神经网络的网络流量预测

在Elman神经网络的基础上提出了改进的网络,根据实际网络中测量的网络流量数据,建立了基于Elman神经网络的流量模型,分别用Elman神经网络和改进的Elman神经网络对实际网络流量进行预测,仿真实验结果表明,改进的Elman神经网络具有良好的预测效果,改进的Elman神经网络具有更高的预测精度和更好的动态性能.     

自相似网络流量预测的分析和研究

网络流量模型能准确和全面地刻画流量数据的各种统计特性,因而成为网络研究的热点。讨论了传统模型预测的弊端,描述了网络流量自相似的基本特征,分析了三个重要自相似模型的特点和存在的问题,使用实际网络流量验证了流量的自相似性并结合多分形小波模型对网络流量进行预测,探讨了流量模型预测的新技术和进一步研究的问题。     

基于Web的网络流量监测系统的设计

网络流量测量是认识网络规律、了解网络行为的前提工作。该文从园区网络流量监测入手，通过对物理网络拓扑自动发现、网络拓扑自动布局以及对RMON2规范的研究，给出了能够分析网络流量成份的流量监测方案，设计并实现了一个基于Web的园区网络流量监测系统。通过对该系统的实施，可以有效地监控网络流量状况。     

基于RMON的网络流量测量系统设计及实现

网络流量测量是认识网络规律,了解网络行为的前提工作。该文提出一个基于RMON的网络流量测量系统的设计及实现。在设计中使用了面向对象的设计方法,便于系统的升级和扩展;在实现中采用了规范中推荐的方式1,使得采样对于任何随机过程都是无偏的。通过系统的实施,可有效地监控网络流量,查看网络运行情况。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上．提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

校园网周期性网络流量模型研究

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。在对大量校园网络流量数据统计分析的基础上,提出一个基于周期性网络流量的网络流量模型,将网络流量分为时间相关分量和正态随机分量,并利用分布拟合检验算法加以验证,同时给出了在不同置信度下基于该流量模型的流量预测算法。     

基于Linux的高速网络流量采集与分析模型研究

网络流量测量是网络行为研究、网络规划和网络管理的基础,网络流量采集与分析是网络流量测量的核心技术。文章提出并实现了利用Linux的netfilter框架,在Linux内核空间实现网络流量的实时采集与分析,通过Linux的netlink协议与用户空间进程交换分析结果的思想。通过理论分析和实验证明,该方法不仅可行而且高效。     

一个基于TCR改进模型的网络流量管理系统①

网络流量管理技术是保证网络服务质量的重要前提。在研究网络流量识别与控制两种关键技术后,提出了一个实用的网络流量管理系统。在端口和特征值双层识别流量类型基础之上,针对TCP Ratecontrol（TCR）在往返时延的测量上难度大,精度低等不足,设计出了一种改进的流量控速模型,使得速率的控制更加有效和精确。最后在Linux的netfilter架构下实现了基于该模型的原型系统。通过实验测试验证了其有效性和准确性。     

一种新型的高速IP网络的流量测量体系

网络流量测量是网络管理的基础之一，流量测量体系结构的研究是网络流量测量及其应用的基础和重要环节。对传统的网络流量测量方法的特点进行了分析，对高速网络流量测量中的关键问题进行了研究，采用数据流归并技术，以提高实用性为目的，Linux平台和开源软件的基础上提出了一种新型的基于分布式探针的高速IP网络流量测量体系，并对其构成及特点进行了分析。该测量体系提供了实用的高速测量平台和数据分析接口，具有广阔的应用前景。     

网络流量测量的研究与实现

网络流量测量是研究网络行为和网络流量特性的有效方法。文章探讨了网络流量测量的关键技术，提出了网络流量测量基于FPGA的硬件实现方法，给出了网络流量测试仪的结构和设计，及其测量中误差的处理方法。     

QPSO算法优化BP网络的网络流量预测

网络流量预测对于大规模网络的规划设计和网络资源管理等方面都具有积极的意义,是网络流量工程重要组成部分。结合QPSO算法和BP神经网络的优势,采用QPSO算法对BP神经网络的权值和阈值进行优化,并利用历史记录训练BP网络。仿真实验表明,与PSO训练的BP网络以及直接用BP网络进行预测的模型相比,基于QPSO训练的BP网络流量预测模型具有更好的预测能力。