基于残差改进的灾变灰预测在电力行业网络安全预测中的应用.pdf

《基于残差改进的灾变灰预测在电力行业网络安全预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、Applicationofnetworksecurityforecastbasedonimproved擘，eymodelR)relectricpower一’，r-●industryADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringScienceByMaWenlongSupervisor：Prof．GuoZhengweiJun，2014关于学位论

2、文独创声明和学术诚信承诺一本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、标注和致谢的地方外。论文中不包括其他人已经发表或撰写过的研究成果，也不包括其他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自灸。学位申请人(学位论文作者)签名：马之j左201午年占月l午日关于学位论文著作权使用授权书本人经河南大

3、学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)。(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者’签名：马沈201年年占月·午日学位论文指导教师签名：备a乎毛201牛年S月，仁El摘要针对电力行业内传统网络安全

4、预测无法全面反映系统整体状况，预测精度不高的缺点，提出了一种网络安全预测方法。首先，对企业内的网络安全事件进行分析，运用层次分析法(AHP)构建网络安全的指标体系，并对样本数据进行过滤与处理，考虑异常值的分布序列结构；然后使用灾变灰预测进行模型的建模；最后对预测结果使用神经网络方法进行改进，从而达到提高预测精度的目的。通过仿真实验，表明基于残差改进的灾变灰预测方法的可行性和有效性。本文主要成果如下：l对企业网络安全相关数据进行定期地采集，并进行分析整理，使用主成分分析法(PCA)提取出包含信息量较大的因素构成评价指标，将此作为企业网络安全预测的基

5、础；2对过滤后的信息进行处理，运用层次分析法(AHP)得出指标权重，构建网络安全评价的指标体系，为日后企业网络安全工作的开展提供依据；3在样本数据分析的基础上，通过对神经网络方法及灰色模型方法的综合比较应用，提出一种适用于行业现状的预测模型，并进行数据处理，作为预测模型的输入，采用灾变灰预测模型对时间序列进行预测，并将结果代入神经网络模型进行修正，得到准确的网络安全预测值。关键词：灾变灰预测，残差改进，电力行业，网络安全预测Thepapersuggestsanewforecastingmodelforthenetworksecurity-rela

6、tedproblemsinthepowerindustrytoremedytheshortcomingsofthetraditionaloneswhichfailtoreflecttheindustry’Soverallconditionsandcannotpredictwithaccuracy．sampledataarecollectedbyanalyzingtheeventsconcerningthenetworksecurity。ofthepowercompanies．ThenAHP(AnalyticHierarchyProcess)isa

7、ppliedtosetupallindicatorsystemtoevaluatethosedataandformasequentialdistributionofexceptionalvalues．Baseduponthat，GM(GreyModel)isintroducedtocomprehensivelypredicttheconditionsoftheindustry’Sinformationsecurity,andthenthepredictionresultsaremodifiedbyusingartificialneuralnetw

8、orkmethod．Thesimulatingtestshavealsobeencarriedouttoprovethattheprop