基于混合模型的网络络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义.论文通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性并结合近年流量的新特性提出:网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势.     

基于子空间辨识的煤气混合加压过程建模方法

本文针对高炉煤气与焦炉煤气混合加压过程,提出一种基于子空间辨识的过程状态与输出关系建模方法.通过分析过程的强耦合特性,以蝶阀前的高炉煤气压力和流量、焦炉煤气压力和流量为过程状态,混合煤气热值和压力为输出,采用子空间辨识方法建立了一个4输入2输出的关系模型.仿真实验表明,建立的模型有效地反映了过程特性,具有较高的辨识精度.     

精馏过程动态机理模型建立

为了实现精馏过程的动态优化和先进控制,必须解决精确的动态数学模型的建立问题.本文介绍了精馏过程动态机理建模的方法,该模型的特点是考虑每块塔板温度、压力、汽相流量、液相流量、汽相浓度、液相浓度和持液量的动态特性,并且,利用正交配置方法离散模型方程,利用牛顿一拉夫逊方法解模型方程,研究结果表明该模型精度高,误差小于3%,适合于精馏过程的动态优化和先进控制策略研究.     

燃料电池电能与热能建模研究

为分析燃料电池的动态特性,对其发电和发热过程进行了建模研究。燃料电池划分为阳极动态模型、阴极动态模型、电化学电压模型和温度动态模型,分别从流量平衡、能量平衡和经验公式角度进行了机理建模;并采用改变负载和冷却水流量的方式进行测试。仿真结果表明,该模型能模拟燃料电池的电热动态过程,可用于辅助控制设计。     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义。论文通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性并结合近年流量的新特性提出：网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势。     

网络流量预测方法

分析网络流量的行为特性并建立模型进行预测,对于网络管理以及安全预警具有重要意义。基于此,针对网络异常处理滞后、网络服务质量差等问题,研究多种经典流量预测方法,从流量特性、建模复杂性、预测精度及应用场景等多角度进行分析比较。实验结果证明,预测模型与具体场景密切相关,实际操作时需根据流量特性及预测目标选择合适的模型。     

Internet 流量模型分析与评述

Internet流量模型对网络性能管理、QoS、准入控制等都有很重要的意义和作用.首先总结了现阶段已发现的主要网络流量的特性及相关度量参数,概要地介绍网络流量建模的意义和分类,然后按照"传统-自相似-流量建模的新发展"这3个阶段阐述网络流量建模的发展历程与最新的研究成果,最后针对目前网络流量建模中存在的难点问题,展望了该领域未来的研究发展方向.     

基于SOM和BP神经网络的入侵检测模型研究

1模型描述 本文中我们提出一个基于SOM和BP两种神经网络的网络入侵异常检测模型,利用SOM网络的自组织特性对网络数据流量强度进行建模和聚类,利用BP网络进行入侵企图的识别.模型的流程图如图1所示.     

PEM燃料电池阴极气体建模仿真研究

针对现有PEMFC阴极系统模型不精确的难点对系统建模进行了研究.根据单电池工作环境,采用经验建模的方式建立了用于控制的阴极流量模型和电压模型,其中定义了实际有效供氧系数,用于描述反应所需的气体流量.通过仿真平台将单电池的热力学电动势模型、活化过电压模型以及欧姆过电压模型进行仿真,对引入实际有效供氧系数后的系统仿真结果与未引入的仿真结果进行对比,引入实际有效供氧系数的单电池输出电压变大且更接近实际数值.证明实际有效供氧系数及阴极模型确实可用,并能相对客观地描述阴极气体在反应过程中对电池电压的影响.通过对质子交换膜燃料进行基础研究,模型可为研究阴极气体流量特性提供参考.     

道路交通信息分析与建模

交通流速度.流量和密度是道路交通信息的主要参数,分析参数的特性并对其建模是研究交通信息重要部分.以浮动车和线圈采集的数据为研究对象,基于小波技术对数据除去噪声,并通过线性回归预测误差的衰减率选取合适的拟合阶数,从而运用线性回归方法对数据进行拟合.最后对北京市区某道路的采集数据进行分析,结果表明该模型具有可行性和有效性.     

基于SIRS的微信信息传播模型

微信高速发展已成为人际关系交流的一个重要平台,在社会网络信息传播中占据着独特的地位.以传染病模型为基础,建立基于微信信息传播模型,利用实验数据,在多情景下分析模型参数和信息源对微信信息传播范围及特征等的影响.通过对微信信息传播影响因素改变,其仿真结果与微信传播的特征具有很好的吻合度,对管控利用微信具有重要意义.     

基于小波变换和极限学习机的网络流量预测模型

为了提高网络流量预测准确性,结合网络流量的变化特点,针对当前网络流量预测模型存在的局限性,设计了基于小波变换和极限学习机的网络流量预测模型。首先分析了当前国内外网络流量预测研究现状,找到引起网络流量预测准确性差的原因;然后采用小波变换对原始网络流量时间序列进行去噪,得到无噪声的网络流量时间序列;最后采用极限学习机对网络流量时间序列进行建模,得到相应的预测结果。与当前经典的网络流量预测模型在相同环境下进行对照测试,测试结果分析表明,小波变换和极限学习机的网络流量预测精度达到了95%以上,网络流量预测误差得到了有效的控制,而且提升了网络流量预测效率,预测结果要远优于当前经典的网络流量预测模型。     

面向海量数据的网络流量混沌预测模型

针对网络流量的混沌特性以及海量特性,为弥补网络流量预测模型存在的不足,以获得更优的网络流量预测结果,提出了面向海量数据的网络流量混沌预测模型。该模型首先采用小波分析对原始网络流量时间序列进行多尺度处理,得到不同特征的网络流量分量,然后对网络流量分量的混沌特性进行分析,分别进行重构,并采用机器学习算法中的极限学习机进行建模与预测,最后采用小波分析对网络流量分量的预测结果进行叠加,得到原始网络流量数据的预测值,并进行网络流量预测的仿真实验。实验结果表明,所提模型的网络流量预测精度超过90%,不仅预测精度结果远远超过其他网络流量预测模型的结果,而且其网络流量预测的结果更加稳定,因此是一种有效的网络流量建模与预测工具。     

P2P网络行为安全监控研究综述

P2P网络行为监控是近年来研究和应用的热门课题.在分布式监控系统的基础上,从P2P网络外部行为特征和内在行为特征两个方面对学术界的研究成果进行总结归纳.主要涉及了流量分析、拓扑挖掘、用户认证和信任模型、传播建模等方面的理论,从现象分析解决方案,并指出不足和改进,重点提出了域发现协议的应用和信任模型的原则.此外,还就产业界建设P2P监控的安全平台方面做了简要介绍.     

面向网络流量入侵检测系统的黑盒攻击

基于机器学习的网络流量检测系统是网络安全领域现阶段比较热门的研究方向,但同时网络流量检测系统又受到了巨大挑战,因为攻击样本的生成,使该检测系统对恶意流量的检测性能降低.使用生成对抗网络生成对抗样本,通过在原始恶意流量中加入噪声干扰,即在攻击特征中加入不影响原始流量特性的非定向扰动,来实现扰乱检测模型的判断,从而躲过特征...     

基于小波的多重分形业务排队分析

最近的研究表明，网络业务最为显著的统计特性是尺度特性，也就是分形行为，尤其是在小尺度下的多重分形特征，因而对网络业务分形特性下排队行为的研究，对网络容量规划和控制具有重要的意义．把小波分析方法引入网络业务的排队分析，由于小波固有的尺度特性，在小波域内能够更加精确简洁地进行排队尾分布分析．通过对真实网络业务的排队仿真，对小波方法和分析方法进行了比较，实验结果表明小波方法给出了更好队列分析结果。     

Network traffic classification via HMM under the guidance of syntactic structure

Network traffic classification is the basis of many network technologies including intrusion detection, traffic scheduling, and quality of service. Given the limitations of existing classification approaches based on the port number, the packet-payload and statistical characteristics of network traffic, in this paper we propose a novel classification method via a hidden Markov model. With the analysis about the time series characteristics and statistical properties of network traffic, we use a hidden Markov model to model for a type of traffic under the guidance of syntactic structure of it. And then a classification approach is presented based on the model. Experiment results on several typical network applications indicate that the combination of time series characteristics and the statistical properties not only make the established model more precise, but also improve the accuracy of network traffic classification.     

基于大小突发块划分的微信支付行为识别模型

针对微信红包与转账功能被用于红包赌博、非法交易等违法活动,且现有的研究工作难以识别微信中收发红包与转账行为的具体次数,以及存在低识别率和高资源消耗的问题,提出了一种划分大、小流量突发块的方法来提取流量特征,从而对收发红包与转账行为进行有效识别。首先,利用收发红包与转账行为流量的突发性,设定大突发时间阈值将这类行为的流量突发块分隔开;然后,针对收发红包与转账行为由多次连续的用户操作组成的特性,设定小突发阈值将流量块进一步细化为小突发块;最后,综合大突发块中各个小突发块的特征,得到最终的特征。实验结果显示,该方法在时间效率、空间占用率、识别准确率、算法普适性等方面普遍优于微信支付行为识别方面的现有研究,平均准确率最高可达97.58%。真实场景的测试结果表明,所提出的方法基本能准确识别出一段时间内用户收发红包与转账行为的次数。     

网络流量预测模型研究进展

网络流量预测的关键是建立相应的数学模型.介绍了网络流量预测模型的基本概念和分类,指出了单一预测模型存在的问题.从模型构建原理出发,重点对组合预测模型进行了系统的分类,将其分为线性组合模型、优化组合模型、分解重构组合模型,介绍了各组合模型的相关研究进展,并分析了它们的特点和适用范围,指出组合预测模型能更精确、全面地预测流量.针对流量预测目前存在的问题,对未来研究趋势提出了几点思考.     

基于NetFlow的网络流量采集系统设计

网络流量是网络运行状态的风向标,对网络流量的相关情况进行监测分析与研究是网络管理的重要环节.从网络安全视角,详细介绍流量分析中主要使用的NetFlow技术,并根据NetFlow的特点,给出了一个基于NetFlow的网络流量采集系统设计实例.