bp网络组合预测在网络流量预测中的应用研究

《bp网络组合预测在网络流量预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？－．：．中困分类号ＴＰ论文编号３９Ｇ〇６０＿１１］６０３２２Ｉ？＾ｔ５２０．３０４０硕±专业学位论文画ｉｍ姑獨挪１加顯妹伽議綱ｙＢＰ网络纪合预测在网络流量预测中的应用硏究Ｔｈｅ乂ｐｐｌｉｅｄＲｅｓｅａｒｃｈｏｆＢＰＮｅｔｗｏｒｋＣｏｍｂｉｎａｔｉｏｎＦｏｒｅｃａｓｔｉｎｏｎＮｅｔｗｏｒｋ＾ｇ气Ｐｒｅｄｉｃｔｉｏｌｐｉｐｉｌｌｌｌ咖ｍＶＩ遍Ｋ’．回脚徒細工程硕±ｌ＾ＩｌＫＩＨ计算技术■６玉：憂欄于青教授＾Ｗ天津理工大学研究生院二０—六年月：Ｅ；

2、１？＾巧准Ｉ巧声巧本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加臥标注和致谢之处外，论文中不包含其他工人已经发表或撰写过的研究成果，也不包含为获得天津理大学或其他教一育机构的学位或证书而使用过的材料。与我同工作的同志对本研巧所做的任何贡献巧已在论文中作了明确的说明并表示了谢意。学位冷丈作者《义；签李口期訓诗ｉ知日襄对对学住冷文化扶使巧捷权书本学位论文作者完全了解天津理工大学有关保留、使用学位论文的规定。特授权义津理工大学可Ｗ将学位论文的全部或部分内容编入有关数据＇汇

3、库进行检索，并采用影印、缩印或扫描等复制论手段保存、编，从供查阅和借阅。同意学校向国家有关部口或机构送交文的复本和电子文件。（保密的学位论文在解密后适用本授权说明）学签化冷丈作者《名；異利却导邱签名：李ａ期ｔ知ｉｔ年令月口签李百期；如｜｜年令月ｒ口分类号：TP391520.3040密级：天津理工大学研究生学位论文BP网络组合预测在网络流量预测中的应用研究（申请硕士学位）学科专业：计算机技术研究方向：网络安全作者姓名：聂利利指导教师：于青2016年3月ThesisSubmittedtoTianjinUniversityofTechnolo

4、gyfortheMaster’sDegreeTheAppliedResearchofBPNetworkCombinationForecastingonNetworkTrafficPredictionByLiliNieSupervisorQingYuMarch2016摘要随着Interne迅速发展及其应用，网络规模增大以及其应用日益复杂，加之互联网是一个较为复杂的非线性网状系统，为了实现数据的可靠传输及网络资源的合理分配，网络的监控机制及其复杂行为特性的学习尤为重要。网络流量预测的关键是通过对网络流量正常行为的描述来分析未来网络流量趋势，从而实现预知及报警。目前

5、比较成熟的网络流量预测方法包括基于时间特征的预测、基于支持向量机的预测、基于季节模型的预测、基于小波变换的预测等，每种方法都有自身的特点及其局限性。针对网络流量预测，本文提出一种改进的BP网络组合预测模型，主要工作如下：首先，单一预测在BP网络中的应用仅适于解决平稳随机的时间序列，本文基于BP神经网络将局部相关向量机（Local-RelevanceVectorMachine）预测和支持向量机（SupportVectorMachine）预测进行组合，得到一种新的组合预测模型，拓宽了其应用范围，并提出了改进的算法来优化BP神经网络的学习过程。BP神经网络的学习过程

6、包括正向传播和反向传播，将两种方法的预测值作为训练样本，先正向计算输出结果及计算误差，如果误差过大，再反向调整阀值和连接权值，重新计算误差，直到误差达到一定标准。BP算法是一个自我学习过程，一般根据以往经验选取学习率，随着BP算法学习的进行，其有效性难以保证，本文提出自适应学习调整算法并加入动量项，来选取BP算法中适当的学习率，从而提高BP算法的性能。自适应学习率调整的规则是：检测权值的修正是否减小误差，误差增大或减小，学习率就会按一定倍数降低或增加，否则保持不变，直到学习过程趋于稳定。其次，在BP网络组合预测其中一个输入——支持向量机预测中，提出一种改进的布

7、谷鸟搜索(ModifiedCuckooSearch)算法来训练支持向量机的惩罚因子和核宽度。为解决全局寻优能力和精度间的关系，根据不同阶段的搜索结果，对布谷鸟算法的步长大小进行自适应动态调整，并建立预测模型。通过对比实验，证明MCS-SVM算法比遗传算法、粒子群优化算法预测值的准确率更高。最后，本文设计了网络流量数据分析模型，基于NetFlow对网络数据进行采集并将采集的数据用于预测模型中进行分析。实验结果表明，相比较单一的L-RVM模型和MCS-SVM模型的预测，基于非线性BP网络组合的预测性能得到有效的提高。关键词：流量预测组合预测向量机搜索算法BP神经网

8、络NetFlowAbstractWit