基于回声状态网络的网络流量预测研究

《基于回声状态网络的网络流量预测研究》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、分类号：密级：专业学位研究生学位论文论文题目（中文）基于回声状态网络的网络流量预测研究论文题目（外文）ResearchonNetworkTrafficForecastingbasedonEchoStateNetwork研究生姓名吴佳东学位类别工程硕士专业学位领域计算机技术学位级别硕士校内导师姓名、职称陈晓云教授校外导师单位、姓名论文工作起止年月2014年9月至2016年5月论文提交日期2016年4月论文答辩日期2016年5月学位授予日期校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取

2、得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其它个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位

3、论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：基于回声状态网络的网络流量预测研究摘要网络流量是通过网络所传输的数据量。由于网络流量蕴涵了网络运行时的关键信息，是管理和优化网络的重要基础数据，因此对网络流量的分析与预测十分重要。随着网络业务

4、的不断丰富，网络流量也呈现出越来越错综复杂的特性。利用网络流量预测模型，可以帮助人们提前感知网络未来的态势，这对于网络规划、资源配置和网络安全等关键技术的发展具有深远的影响。如何建立一个既高效又准确的模型来预测网络流量已经成为了一个具有挑战性的研究热点。作为一种广受关注的新型递归人工神经网络，回声状态网络（EchoStateNetwork,ESN）具有计算高效且易于使用的优势。此外，由于ESN使用了储备池计算框架，具备动态记忆能力，因此特别适合处理时间相关的建模问题，并且已经被成功地应用在各种时间序列预测工程实践中。而历史网络流量

5、记录可以看作时间序列数据，对网络流量的预测也可以看作一个标准的时间序列预测问题，因此可以使用ESN模型对其进行建模分析。但是，由于现代网络流量具有自相似、长程相关和多重分形等复杂的多尺度特性，而标准的ESN模型不能有效识别网络流量中的多尺度特性，因此会导致预测精度上的损失。本文通过改进共生生物搜索(SymbioticOrganismsSearch,SOS)算法，结合集合经验模态分解（EnsembleEmpiricalModeDecomposition,EEMD）算法，提出了一种基于ESN的网络流量预测模型。使用集合经验模态分解算法

6、依据网络流量的多尺度特性将数据进行模态分解，分离出的高频信号和重构数据作为ESN的输入，并使用本文提出的混沌局部共生生物搜索算法C-SOS对ESN模型的输入权值进行优化。本文将所提模型运用在两个真实数据集上进行网络流量预测。实验结果表明，该模型相对于其它模型具有较高的预测精度，是一种有效的网络流量预测模型。关键字：网络流量预测，回声状态网络，共生生物搜索，集合经验模态分解，混沌局部搜索IResearchonNetworkTrafficForecastingbasedonEchoStateNetworkAbstractNetwork

7、trafficisdefinedasthequantityofdatatransmitsthroughanetwork.Becausenetworktrafficcontainsthekeyinformationwhenthenetworkoperates,anditistheimportantfundamentaldatawhensupervisingandoptimizingnetwork,theanalyzingandforecastingofnetworktraffichavebecomevital.Withtheince

8、ssantabundanceofbusiness,networktraffichasexhibitedincreasingcomplexcharacteristics.Theusingoftheforecastingmodelofnetworktr