学位论文 > 优秀研究生学位论文题录展示

城域网应用层P2P流量预测模型的研究

作　者: 董智超
导　师: 王东
学　校: 湖南大学
专　业: 计算机应用技术
关键词: 网络流量预测对等网小波分析时间序列自相似性
分类号: TP393.1
类　型: 硕士论文
年　份: 2010年
下　载: 63次
引　用: 2次
阅　读: 论文下载

内容摘要

随着网络通信技术的快速发展,以P2P为主的多媒体应用的迅速增加,都对当前网络的服务质量、基础设施和流量控制均提出了很高的要求。流量的分析与建模是网络管理和性能分析的基础,流量分析可以获得网络流量的运行规律及特性,而基于流量特性的建模,不但可以预测流量的行为趋势,而且能应用于拥塞控制、网络性能评价、网络规划等领域。因此建立全面、准确地流量预测模型具有非常重要的意义。当前,P2P流量呈直线上升的趋势,它不仅改变了当前网络流量的组成和行为特征,而且消耗着巨大的网络带宽,使网络拥塞,增加了运营成本,严重影响了传统Internet业务的性能。因此,为了实现可靠的数据传输以及合理的网络资源分配,就需要根据网络流量的行为特性建立相应的流量预测模型,本文以P2P流量特性分析为出发点,对P2P流量的特征模型及其预测方法进行相关研究,设计出了一个基于小波与时间序列的P2P流量预测模型。实验结果表明,该模型能够比较全面地描述和刻画P2P流量的各种特性,对比其他预测方法具有更高的预测精度,并且它能够为IP网络容量规划、流量工程、故障诊断、性能提升等科学决策提供依据,为网络可靠性及低延迟／丢包提供保障。本文主要完成了以下几个方面的工作：(1)总结了网络流量预测模型领域的研究成果和研究现状,系统地分析了计算Hurst指数的各种估计法的特点,并验证了P2P网络流量的自相似特性和周期性等流量特性,指出流量预测建模应该建立在流量特性分析的基础上,为后续的研究工作提供了有益的指导方向。(2)网络流量的不平稳性,对于流量模型的预测效果具有很大的影响。本文提出了一种流量的平稳化方法,这种方法能够在一定程度上消除流量的不平稳特性对于流量模型预测效果的不良影响。(3)针对P2P流量的周期特性,本文提出了采用动态指数平滑法来对最终的预测数据进行修正。实验证明,修正后的预测数据平均相对误差比未修正的数据降低了1.04%,提高了预测精度(4)根据P2P网络流量体现的自相似性、周期性等特性,本文提出了一种基于小波与时间序列分析的P2P流量预测模型,并应用该模型的预测算法对真实网络流量数据的未来行为趋势进行预测和分析,实验结果表明该预测模型能够比较全面地描述和刻画P2P流量的各种特性,对比已有的方法,这种方法具有更高的预测精度。

全文目录

摘要  5-6
Abstract  6-11
插图索引  11-12
附表索引  12-13
第1章绪论  13-19
  1.1 研究背景和意义  13-14
  1.2 研究现状  14-16
  1.3 本文的主要研究工作  16-17
  1.4 本文的组织结构  17-19
第2章城域网P2P流量的特征分析  19-27
  2.1 网络流量的自相似特性  19-20
    2.1.1 自相似的数学描述及相关概念  19-20
  2.2 Hurst指数的估计算法  20-22
    2.2.1 方差-时间图法  20-21
    2.2.2 R/S(rescaled range)法  21
    2.2.3 周期图法  21
    2.2.4 Whittle法  21-22
    2.2.5 小波法  22
  2.3 P2P流量的特性分析  22-26
    2.3.1 P2P流量的自相似性  23-24
    2.3.2 P2P流量的周期性  24-25
    2.3.3 P2P流量的其他特性  25-26
  2.4 本章小结  26-27
第3章网络流量预测模型的研究  27-34
  3.1 流量预测模型的发展历程  27-28
  3.2 传统的流量预测模型  28-31
    3.2.1 泊松模型(Possion)  28-29
    3.2.2 自回归模型(AR)  29
    3.2.3 马尔科夫模型(Markov)  29-30
    3.2.4 传统模型的不足  30-31
  3.3 网络流量预测技术的新发展  31-32
    3.3.1 小波分析理论  31
    3.3.2 神经网络理论  31-32
  3.4 组合预测模型的优势  32-33
  3.5 本章小结  33-34
第4章一种网络流量平稳化方法  34-43
  4.1 建立网络流量的正常行为模式  34-37
  4.2 平稳化方法  37-41
  4.3 算法实现  41-42
  4.4 本章小结  42-43
第5章基于小波和时间序列的P2P流量预测模型  43-52
  5.1 小波分析  43-45
    5.1.1 小波变换的由来和作用  43
    5.1.2 尺度函数和小波函数的性质  43-45
  5.2 时间序列分析  45-46
    5.2.1 时间序列模型的基本性质  45-46
  5.3 基于小波与时间序列分析的P2P流量预测模型  46-51
    5.3.1 模型描述  46-47
    5.3.2 Mallat小波分解  47-48
    5.3.3 ARIMA模型  48-49
    5.3.4 Mallat小波重构  49
    5.3.5 预测结果修正  49-51
  5.4 本章小结  51-52
第6章 P2P流量模型的实验与验证  52-64
  6.1 实验平台的部署  52
  6.2 流量的识别  52-55
    6.2.1 应用分类  52-53
    6.2.2 网络流量测量算法  53-55
  6.3 仿真实验与分析  55-63
    6.3.1 分解序列的预测建模  56-60
    6.3.2 预测模型性能分析  60-63
  6.4 本章小结  63-64
结论  64-66
参考文献  66-70
致谢  70-71
附录A 攻读学位期间所发表的学术论文目录  71-72
附录B 攻读硕士学位期间所参与的科研活动  72

城域网应用层P2P流量预测模型的研究

内容摘要

全文目录

相似论文