共查询到19条相似文献,搜索用时 96 毫秒
1.
随着计算机网络的迅速发展,网络的规模越来越大和复杂,相应对网络有效管理的要求也越来越高.通过对CHINANET上某个端口网络流量数据的统计分析,提出了一种针对网络流量状态某一时刻的历史信息,利用统计预测相关算法对网络性能进行预警的新方法.能根据不同网络运行状态更及时更准确地预测出网络不同时间段的各种异常情况,有效分析网络运行效率并及时发现瓶颈,为优化网络性能提供了有力依据. 相似文献
2.
提出了基于物联网技术的新能源电网运行状态监测方法。利用物联网技术选取ZigBee通信网络中的网状网络以及树形网络,来收集新能源电网运行状态数据,并通过无线网络对监测区域中的参数进行智能检测;根据监测到的运行状态数据搭建新能源电网运行状态监测模型;利用电流监测原理对运行状完成监测。在实验中,通过监测器的布置进行运行状态的监控,并对提出的方法进行验证,经实验结果分析证明,发现采用基于物联网技术的新能源电网运行状态监测方法监测到的运行异常次数的误差较小,可以将误差控制在20%以内。此方法可以有效地对新能源电网的状态运行进行监测,可以更精准地对新能源电网的运行状态进行观察和研究,提高了电网运行的安全程度。 相似文献
3.
4.
5.
6.
7.
8.
为了实现无线传感器网络节点在不同忙碌状态(忙碌状态:节点一段时间内的忙碌状态时间与对应时间段的比值)的区域中均达到网络吞吐量的最优,对退避算法中退避窗口大小取值做了一定工作。基于节点忙碌状态的讨论,依据节点的吞吐量模型,通过分析不同网络负载区域影响节点吞吐量的因素,为使网络中节点的吞吐量更接近理论最大值,给出了基于不同忙碌状态的退避窗口设定算法MNLBA(multi-node-loading back-off algorithm,多节点负载条件下退避机制)。在最后的仿真结果中可以看出,与不考虑区域网络负载不同的SBA协议相比,MNLBA算法针对不同的区域状态设定退避窗口值,约能提升网络吞吐量5%~10%,起到了均衡负载、提升网络性能的作用。 相似文献
9.
针对网络可用性在不同网络业务中的服务质量(QoS)存在差异,且与性能花费相互制约的问题,引入了马尔可夫链理论,在定义了基于业务开销最小的服务能力匹配度的基础上构建了基于马尔可夫链和QoS指标的网络可用性(MCQNA)评价模型。首先,从最能反映网络可用特征的QoS指标出发,兼顾性能开销,同时定义了代价函数,并且给出了状态转移矩阵;然后,通过平稳状态与网络可用性关系的分析,求解出平稳分布并作为QoS运行开销的动态权重,实现了以业务运行代价最小为特点的网络可用性评判。仿真结果表明,所提模型构建的遍历性转移矩阵存在平稳分布,对网络可用性评判是可行的。该模型能针对不同业务的QoS标准,且有效针对具体业务衡量网络的可用性。 相似文献
10.
针对K-means等聚类方法在脑网络状态观测中稳定性和鲁棒性较差的缺点,提出了一种基于瞬时转变率模型的脑网络状态观测算法。通过对状态转换临界点进行分组统计和分析,计算每一个临界时间点的状态瞬时转变率,在此基础上构建脑网络状态观测算法,并使用区间估计方法对状态转换的观测效果进行估计和验证。在脑网络数据库样本中的实验结果显示,与K-means等脑网络状态聚类观测算法相比,该算法在不同条件下的聚类稳定性更好,对样本差异的适应性更强,受参数选择的影响更小,能直观地观测到脑网络状态转换趋势。 相似文献
11.
12.
当前旋转机组状态预测神经网络的应用中,存在着对新数据强调不足的缺陷,为了弥补原有的神经网络存在的缺陷,提出了一种新的神经网络预测方法,即基于均值函数新息加权的神经网络预测方法。依据时间序列数据的新旧程度对预测值贡献的大小,通过均值函数赋给输人数据不同的权值系数,提高了神经网络的预测精度。在旋转机组状态预测中能取得较为理想的预测效果。 相似文献
13.
网络流量预测能有效地提高网络管理的工作效率和网络带宽的利用率。本文在校园网实际应用环境中,利用时间序列模型对收集到的实际网络流量数据进行预测,并通过实验证明该预测方法具有一定实用性。 相似文献
14.
15.
16.
对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。 相似文献
17.
本文提出了一种基于仿真的实时规划与管理方式,将仿真系统与地域通信网中的一些节点构成半实物仿真,根据网络的当前状态,快速仿真网络运行,预测网络未来的性能,并持续地对网络进行优化,以此来提高地域通信网性能,改善服务质量。 相似文献
18.
本文在传统神经网络(NN)、循环神经网络(RNN)、长短时记忆网络(LSTM)与门控循环单元(GRU)等神经网络时间预测模型基础上, 进一步构建集成学习(EL)时间序列预测模型, 研究神经网络类模型、集成学习模型和传统时间序列模型在股票指数预测上的表现. 本文以16只A股和国际股票市场指数为样本, 比较模型在不同预测期间和不同国家和地区股票市场上的表现.本文主要结论如下: 第一, 神经网络类时间序列预测模型和神经网络集成学习时间序列预测模型在表现上显著稳健优于传统金融时间序列预测模型, 预测性能提高大约35%; 第二, 神经网络类模型和神经网络集成学习模型在中国和美国股票市场上的表现优于其他发达国家和地区的股票市场. 相似文献
19.
针对网络流量预测模型存在预测稳定性不好、精度较低等问题,提出一种改进布谷鸟搜索算法优化支持向量机的网络流量预测模型(GCS.SVM)。将网络流量时间序列进行重构,采用改进布谷鸟搜索算法优化支持向量机参数,使用这组最优参数建立网络流量预测模型。仿真结果表明,GCS—SVM模型对网络流量预测是有效可行的。 相似文献