基于SARIMA-LSTM组合模型的网络流量预测方法

针对网络流量预测问题，提出一种基于SARIMA和LSTM组合模型的网络流量预测方法。首先，利用S-HESD算法对异常流量数据进行检测，并通过滑动窗口均值进行数据平滑处理；然后，利用基于统计学习的SARIMA模型预测流量数据，并将其作为LSTM神经网络的输入，最终输出流量预测值。实验结果表明，SARIMA-LSTM组合模型能充分呈现骨干网、城域网、边缘接入网等不同层级网络的周期性和趋势性等特点，优于SARIMA、LSTM等单一模型。     

一种实时的新型网络性能预警系统

设计了一种基于NetFlow流量分析的实时的新型网络性能预警系统，主要是利用基于NetFlow协议的高性能数据采集模式并运用统计学和预测学的相关算法，根据对当前网络流量值影响最大的在时间上最临近的流量值．预测下一时刻的流量数据。该系统能根据不同网络运行状态及时准确的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。     

基于拓扑链路识别的光网络流量数据合成算法

基于深度学习的光网络流量诊断与预测等场景中,由于保密等原因,光链路的流量数据采集和存储工作受限。针对数据量少而无法支撑深度学习的问题,文章提出了一种基于拓扑链路识别的光网络流量数据合成算法,其核心思想是在生成对抗网络框架下,联合基于光网络拓扑的条件生成模型和基于光网络流量的数据合成模型,以自监督的方式合成指定光链路的流量数据。仿真结果表明,所提算法合成的光网络流量数据在自相关系数指标上与真实数据接近且使得基于全连接神经网络的流量预测模型准确率达到95%以上。     

一种新的卫星通信网流量预测算法

在通信网络的设计中,使用基于流量预测的网络规划已成为LTE发展的必然趋势。与地面网络不同,卫星网络由于受资源受限和拓扑时变的不利影响,其流量预测算法必须能兼顾精度和效率,这令传统的地面网络预测方法已不再适用。为了解决以上问题,提出了一种新的基于小波回声状态网络的流量预测算法,该算法通过小波多尺度分解的信号处理方法屏蔽了网络流量的噪声,而后结合了无反馈的回声状态网络联合进行预测。仿真证明,新算法相比传统算法能大幅提升网络流量的预测精度和运行效率,为卫星网络的流量规划提供了强有力的决策支持。     

一种实时的新型网络性能预警系统

设计了一种基于NetFlow流量分析的实时的新型网络性能预警系统,它主要是利用基于NetFlow协议的高性能数据采集模式并运用统计学和预测学的相关算法,根据对当前网络流量值影响最大的在时间上最临近的流量值,预测下一时刻的流量数据。该系统能根据不同网络运行状态及时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。     

基于CNN-GAN数据增强网络的电厂锅炉管道温度压力及健康状态预测

电厂锅炉管道系统随着机组参与深度调峰而承受的交变载荷不断增加,对管道温度、压力预测和健康状态评估提出了新的要求。基于电厂真实管道温度、压力数据,提出了多阶管道健康评价算法,搭建了CNN-GAN数据增强网络。通过CNN-GAN数据增强网络与管道真实运行数据,生成带管道健康评价函数的合成数据集。预测模型采用双层LSTM结构,对管道未来30步的温度、压力和健康状态进行预测。所提出的多阶管道健康评价算法能够准确判定温度、压力超额定和短期波动较大等非正常工况,对指导运维人员检修以及提前预警具有一定的价值。CNN-GAN算法比原始GAN能够生成更加真实的管道温度压力仿真数据集。未来30步的预测步长中,不同工况条件下,建立的预测网络最大绝对误差控制在6%以内。     

WDM EPON中的动态波长带宽分配算法

基于WDM EPON系统结构和已有波长带宽分配算法(DWBA)的不足,提出了一种结合流量预测与预分配机制的动态波长带宽分配算法--DWBPA.仿真表明在不同网络负载情况下,该算法不仅保证了波长带宽分配的公平性,而且能够满足高优先级业务的延时要求.     

一种基于XGBoost算法的用户投诉预测方法

用户的投诉行为既受到客观网络环境作用，又具有强烈的主观行为意识。通过收集投诉用户的主客观数据特征，引入机器学习算法预测潜在的投诉用户，提早介入进行网络优化和用户关怀，能够有效降低网络投诉的发生。本文介绍了一种基于XGBoost算法的投诉用户特征识别和预测方法，通过收集投诉用户数据特征，构建投诉特征指标集，利用XGBoost算法迭代处理实现潜在投诉用户预测。经大量数据验证，本算法可有效实现对网络潜在投诉预测，为网络优化提供了重要依据。     

基于NetMagic的城域网流量仿真研究

网络流量特性研究对网络性能管理、QoS等具有重要意义。针对目前对网络性能测试和性能评估的需要,设计了一种基于NetMagic的城域网流量仿真和分析方案。首先对NetMagic平台进行了概要介绍,然后提出了Poisson-Gamma的城域网流量模型,最后依据该模型使用NetMagic生成仿真流量,并对仿真流量的时域、概率密度分布与真实网络流量的统计结果进行比对,证明了该模型能够较为真实地反映城域网的网络流量特性。     

一种冗余流量消除算法

本文提出了一种基于内容的冗余流量消除算法(RFECB)。算法利用滑动窗口计算数据块的边界点,对二个边界点的数据块计算其指纹并进行指纹匹配。RFECB能够提高冗余消除字节节省百分比,减少了冗余流量在网络中的传输。     

通信网络非线性流量数学建模预测与分析

为解决当前预测方法不能描述流量长期相关性,导致预测准确度不高的问题,提出了一种通信网络非线性流量数学建模预测与分析方法。从通信网络中采集的原始非线性流量数据来源于各个基站,所包含的信息参差不齐,对采集数据进行预处理,剔除异常值和重复数据,将空缺数据补充完整。非线性流量所包含的信息有限,利用随机森林算法提取流量特征,降低数据处理维度。将通信网络非线性流量特征进行卷积操作,使用交叉熵函数作为损失函数,对输入预测模型的特征向量进行深度学习,得到通信流量预测结果。以通信运营企业基站流量数据为测试数据进行实验,结果表明,本次设计的数学建模预测分析方法能够降低NRMSE和MAPE,提高预测结果的决定系数,为通信网络分析提供依据。     

基于改进BP算法的网络态势预测模型

准确的网络态势预测可以有效的减小网络拥塞程度。本文对网络拓扑和流量数据进行分析,提取了节点数、0D流数、大象流数、总流量等反应网络态势的参数,建立了基于BP神经网络算法的预测模型进行模拟,能够有效的预测上述参数的发展趋势,在网络管理中有较好的应用前景。     

基于改进BP算法的网络态势预测模型

准确的网络态势预测可以有效的减小网络拥塞程度.本文对网络拓扑和流量数据进行分析,提取了节点数、OD流数、大象流数、总流量等反应网络态势的参数,建立了基于BP神经网络算法的预测模型进行模拟,能够有效的预测上述参数的发展趋势,在网络管理中有较好的应用前景.     

对光突发交换网中组装算法的改进研究

提出了一种光突发交换网中基于自适应门限的改进型突发组装算法,并且对改进算法进行了仿真研究。研究结果表明,改进算法生成的突发包大小均匀,能够显著地抑制突发包包长的变化;并且该算法能够降低流量的自相似性,改善流量的性能,通过与以往同类的典型算法比较,可以看出该算法能更有效地实现流量整形,因而有利于进一步提高OBS网络的性能。     

5G电力虚拟专网中基于联邦对抗学习的分布式异常检测算法

针对5G电力虚拟专网中高维、不均衡和分布式的数据特征，提出了一种基于联邦对抗学习的分布式异常检测算法。首先，鉴于生成对抗网络在获取高维复杂数据分布方面的优势，采用具有梯度惩罚的Wasserstien生成对抗网络(WGAN-GP)模型对网元中的多维运行数据进行分析和监控并获取其分布情况。其次，基于5G电力虚拟专网的管理架构，设计了一种基于联邦对抗学习的分布式异常检测框架，使分布式电力切片管理器能够协同训练全局异常检测模型，增强模型泛化能力。最后，通过数值仿真验证了基于联邦对抗学习的分布式异常检测算法的训练效率和检测性能。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

基于集成深度神经网络流量预测的动态网络切片迁移算法

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。     

采用深度图像推断的认知无线电频谱预测算法

针对认知无线电频谱预测效率不高的问题,提出了一种采用深度图像推断的频谱预测算法。该算法将序列预测问题转化为图像推断问题,构建深度图像推断网络实现无线电频谱预测。首先,对历史频谱数据进行预处理,提取频谱数据的变化特征;其次,使用双支路多层并联卷积神经网络提取数据的深度特征,经池化、合并操作输出多层次特征信息;最后,融合不同层次提取的特征信息,实现频谱数据的预测和生成。在真实频谱数据的多个频段对算法性能进行验证,实验结果表明算法能够有效地实现电磁频谱数据的预测,具有预测精度高的特点。     

改进的基于时变FARIMA模型和小波变换的网络流量预测算法

网络的流量特性是反映网络实时状态的一个重要特征,对于网络流量的分析、预测一直是该领域的研究热点。传统的基于时间序列模型的方法在计算效率和多尺度分析能力方面存在一定的局限性。本文提出了一种改进的基于小波变换和时变FARIMA模型的流量预测方法,利用小波变换的多尺度分析特性将原有的流量数据进行分解,在使用时变FARIMA模型进行预测,可大大提高算法的执行效率和预测的准确性。最后,本文选取了Bellcore提供的真实的网络流量进行了仿真实验,验证了提出的预测方法的准确性和有效性。     

基于流量工程的IP over WDM网络节能路由算法研究

提出了一种基于流量工程的绿色路由算法,在传统绿色路由算法的基础上,融入流量分割及负载均衡的流量工程,从而实现在减小能耗的同时保证网络性能。仿真结果表明,由于考虑了流量工程,基于流量工程的绿色路由算法能够在有效节约能耗的同时保证网络性能。