网络流量模型和流量预测技术的研究

《网络流量模型和流量预测技术的研究》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、西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：___________________日期：________________西安电子

2、科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书。本人签名：___________________日期：________________导师签名：_______

3、____________日期：________________摘要随着Internet互联网络的发展，计算机网络越来越广泛的改变了人们的生活。同时，Internet网络自身也越来越复杂，在这种复杂的网络面前，人们亟需一些方法来增进对它的认识，而网络测量就是人们掌握复杂网络结构和特性的一个重要研究方向。作为网络测量的两个非常重要的指标，也是人们在使用网络中显得颇为重要的两个指标：高带宽和低延迟则成为现实中比较有意义的追求方向。然而由于P2P流量大量占用互联网中的带宽，造成网络的高迟延甚至拥塞，需要一些方法来对网络流量进行控制。在这种情况下，如果可以分析

4、出流量在时间尺度上的特征以及预测模型，则可以掌握网络流量在未来时间的发展变化趋势，以此有效的控制网络流量，这在未来网络体系的分析和设计规划方面，具有极其重要的意义。本文针对网络测量中自相似流量模型进行了研究。论文首先介绍了网络测量和流量模型的指标、发展历程和自相似特性的定义及其性质，总结了多种自相似的度量方法。然后，对目前主要的自相似模型进行了对比分析，在对比结果的基础上设计了算法和实验过程，在实验中选取了符合需求的FARIMA(p,d,q)模型，使用此模型对真实的网络流量序列进行模型拟合。在模型MA和AR参数的估计方面采用最小BIC的方法，得出匹配

5、当前具体流量序列的最佳模型，最后使用Durbin-Levinson算法对流量进行了预测实验，得出95%置信区间的未来流量波动序列。在论文中，选取了网络流量序列自相似特性的有效度量方法，成功地对原始流量序列进行了特征提取与FARIMA(p,d,q)模型拟合，得出了比较合理的未来网络流量波动趋势。实验结果表明，论文所设计的方法可以分析出某一具体网络的未来发展变化趋势，对网络的流量控制和拥塞控制具有较好的参考意义。关键词：网络测量；分形；自相似；FARIMA模型；业务预报AbstractWiththedevelopmentofInternet,comput

6、ernetworkchangespeople'slives.Meanwhile,Internetitselfbecomesmoreandmorecomplex.Inthepresenceofthecomplexnetwork,weneedsomewaystounderstanditdeeply.Networkmeasurementbywhichpeoplegraspthestructureandpropertiesofthecomplexnetworksisanimportantresearchdirection.Astwoveryimportant

7、indicatorswelookuponveryimportantinnetworkmeasurement:highbandwidthandlowlatencyareverymeaningful.However,duetoP2PtraffictakesupmuchmoreInternetbandwidth,andcauseshigherdelayevennetworkcongestion,soweneedsomemethodstocontrolnetworktraffic.Inthiscase,ifwecananalyzetheflowcharact

8、eristicsinthetimescaleandgetthepredictionmodel,thenwec