基于神经网络的改进网络流量预测算法的研究
摘要
实现网络QoS控制对于网络管理及维护相当重要,而网络流量预测对于实现网络的QoS控制可以起到十分重要的作用;另外,流量预测在入侵检测中的应用也受到越来越多的关注。网络流量预测极具现实研究意义。
网络流量的预测要求较高的实时性,另外准确率也是一个很重要的指标。本文基于神经网络预测模型,并引入小波函数对其进行改进,建立了一个新的网络流量预测模型;另外针对几种神经网络的不同特点进行有效的整合,建立了一个新的网络流量预测模型;并对以上两种模型写出了相应的算法,仿真试验证明,该模型预测误差低,并且具有普适性。
本文研究的内容是对神经网络流量预测模型进行改进,并设计相应的预测步骤,主要有以下研究成果:
1、在BP神经网络预测模型的隐含层引入小波函数作为其传递函数,建立一个新的小波神经网络预测模型,并设计了相关的预测算法,提取了真实的网络流量对该模型进行了仿真验证,在保证预测精度的前提下,提高了神经网络的训练速度,达到了改进的目标。
2、针对线性神经网络,Elman神经网络,RBF神经网络,BP神经网络等不同预测模型优缺点,对它们进行有效的整合,利用这些神经网络的优点,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。
Realizing the network Qos control for network management is of the same importantance as the network maintence,and network traffic prediction is very important to realization of the network Qos control;Another, the application of network traffic prediction in intrstion detection system Caused concern more and more. network traffic prediction is quite a useful research which have essential reality meanings.
The request for the quality of real-time is more than other aspects for the estimation of the network discharge .Except for that,accutacy is also an important sign .This text is based on the model of the neural network prediction .To improve the basic function ,we import the wavelet function to create a new network traffic prediction model .Also we establish new valid integration prediction model based on the different characters of several neural-networks.I give the correspond algorithm of the above two models , Simulation experiment certificate that the model has lower error,and the model can be used generally.
The content of this text is aimed at the improvement of the neural network traffic prediction model, and the design of the correspond estimating step, main research results are:
1.I import the wavelet function as the passing function of the hidden layer in the BP neural network traffic prediction model,create a new wavelet neural network traffic prediction model,design the related prediction algorithm, and withdraw the true network traffic to verificate the model.In this way ,we improve the training speed of the neural network and the target of improvement comes true.
2.We made valid integration based on the advantages of the model: the line neural network , Elman neural network, RBF neural network ,and BP neural network .We make use of the advantages of the above several of neraul network models and get satisfacting result by building a model based on several of neraul networks and doing the imitating verification for this new network traffic prediction model using the true network traffic.
网络流量的预测要求较高的实时性,另外准确率也是一个很重要的指标。本文基于神经网络预测模型,并引入小波函数对其进行改进,建立了一个新的网络流量预测模型;另外针对几种神经网络的不同特点进行有效的整合,建立了一个新的网络流量预测模型;并对以上两种模型写出了相应的算法,仿真试验证明,该模型预测误差低,并且具有普适性。
本文研究的内容是对神经网络流量预测模型进行改进,并设计相应的预测步骤,主要有以下研究成果:
1、在BP神经网络预测模型的隐含层引入小波函数作为其传递函数,建立一个新的小波神经网络预测模型,并设计了相关的预测算法,提取了真实的网络流量对该模型进行了仿真验证,在保证预测精度的前提下,提高了神经网络的训练速度,达到了改进的目标。
2、针对线性神经网络,Elman神经网络,RBF神经网络,BP神经网络等不同预测模型优缺点,对它们进行有效的整合,利用这些神经网络的优点,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。
Realizing the network Qos control for network management is of the same importantance as the network maintence,and network traffic prediction is very important to realization of the network Qos control;Another, the application of network traffic prediction in intrstion detection system Caused concern more and more. network traffic prediction is quite a useful research which have essential reality meanings.
The request for the quality of real-time is more than other aspects for the estimation of the network discharge .Except for that,accutacy is also an important sign .This text is based on the model of the neural network prediction .To improve the basic function ,we import the wavelet function to create a new network traffic prediction model .Also we establish new valid integration prediction model based on the different characters of several neural-networks.I give the correspond algorithm of the above two models , Simulation experiment certificate that the model has lower error,and the model can be used generally.
The content of this text is aimed at the improvement of the neural network traffic prediction model, and the design of the correspond estimating step, main research results are:
1.I import the wavelet function as the passing function of the hidden layer in the BP neural network traffic prediction model,create a new wavelet neural network traffic prediction model,design the related prediction algorithm, and withdraw the true network traffic to verificate the model.In this way ,we improve the training speed of the neural network and the target of improvement comes true.
2.We made valid integration based on the advantages of the model: the line neural network , Elman neural network, RBF neural network ,and BP neural network .We make use of the advantages of the above several of neraul network models and get satisfacting result by building a model based on several of neraul networks and doing the imitating verification for this new network traffic prediction model using the true network traffic.
引文
[1]. 金旗, 裴昌幸, 朱畅华,ARIMA 模型法分析网络流量[J],西安电子科技大学学报(自然科学版),Vol. 6(3) 2003
[2]. 王立,李增智,业务管理网结构和概念模型的研究与实现[J],西安交通大学学报,vol.37,no.8,pp:878-880,2003
[3]. 邹柏贤,刘强,基于 ARMA 模型的网络流量预测[J],计算机研究与发展.2002(12) 1646-1652
[4]. 薛可,李增智,刘浏,宋承谦.基于 ARIMA 模型的网络流量预测[J],微电子与计算机 2004(4):182-186
[5]. 李林峰,裘正定 ,2005 通信理论与技术新进展— 第十届全国青年通信学术会议论文集,2005
[6]. N. Groschwitz, GPolyzos. A Time Series Model of Long-term Traffic on the NSFnet Backbone. In Proceedings of the IEEE International Conference on Communications (ICC'94), 1994
[7]. S. Basu, A.Mukherjee. Time series models for internet traffic. Technical Report GIT-CC-95-27; Georgia Institute of Technology, 1996
[8]. 8 George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel 著,顾岚译.Times Series Analysis Forecasting and Control.中国统计出版社,1997
[9]. 杨位钦,顾岚.时间序列分析与动态数据建模,北京理工大学出版社,1988
[10]. AlaxMa,'Skitter: A tool for actively probing the Internet in order to-analyze topology and performance:http://www.c-aida.org/tool-,/measurement/skitter/
[11]. Govindan R, Tangmunarunkit H. , Heuristics for Internet Map Discovery, Ftp://ftp.use.edu/pub/csinfo/tech-reports/papers/99-717.ps.Z
[12]. 王风宇,云晓春,申伟东.基于小波变换的网络流量在线预测模型 高技术通讯 2006 (12):1220-1225
[13]. 蒋庆华,一种基于小波变换及自回归模型的网络流量预测算法,吉林大学硕士论文,2006
[14]. Xin Wang, Xiuming Shan. A wavelet-based method to predict Internet traffic. Communications, Circuits and Systems and West Sino Expositions, IEEE 2002 International Conference.2002(2):690-694
[15]. 洪飞,吴志美 基于小波的多尺度网络流量预测模型 计算机学报 2006 年 1 月第 29卷第 1 期
[16]. 刘芹,余一娇,谭连生 一种利用 BP 神经网络的 Internet 流量预测算法 2003 中国计算机大会
[17]. Jianchang LU, Zhihong GU, Huiqing WANG, Research on the Application of the Wavelet Neural Network Model in Peak Load Forecasting Considering of the Climate Factors ,Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, 18-21 August 2005
[18]. A.Mellit, M.Benghanem, S.A.Kalogirou An adaptive wavelet-network model for forecasting daily total solar-radiation Applied Energy 83(2006)705-722
[19]. 雷霆,余镇危,一种网络流量预测的小波神经网络模型,计算机应用,第 26 卷第 3期,2006 年 3 月
[20]. 李捷,刘瑞新,刘先省,韩志杰,一种基于混合模型的实时网络流量预测算法[J] 计算机研究与发展 43(5): 806~812, 200
[21]. 李捷,侯秀红,韩志杰,基于卡尔曼滤波和小波的网络流量预测算法研究[J] 电子与信息学报 第 29 卷第 3 期 2007 年 3 月
[22]. 文成林、周东华,多尺度估计理论及其应用[M],北京:清华大学出版社,2002
[23]. 程正兴,小波分析算法与应用[M],西安:西安交通大学出版社,1998
[24]. Martin T. Hagan, Howard B. Demuth, Mark H. Beale 著,戴葵等译 神经网络设计 机械工业出版社,2002 年
[25]. Guoqiang YU; Changshui ZHANG, Switching ARIMA model based forecasting for traffic flow[C], ICASSP '04. Vol.(2): 429-432
[26]. Chuanshan GAO, Liangxiu HAN, Zhiwei CEN, Chunbo CHU,A New Multi fractal Traffic Model Based on the Wavelet Transform[C],Proceedings of the ISCA 14th International Conference: Parallel and Distributed Computing Systems, Richardson, Texas USA, Aug. 8-10, 2001
[27]. 曹雪,魏恒义,程竹林等,基于小波方法的 Internet 流量的预测建模 计算机工程 2003年 9 月第 29 卷第 15 期
[28]. 程光,龚俭,丁伟, 基于小波的网络流量分解模型 小型微型计算机系统 2005 年 3月第 26 卷第 3 期
[29]. 冯海亮,陈涤,林青家,陈春晓,一种基于神经网络的网络流量组合预测模型[J],计算机应用,2006 年 9 月
[30]. 林春燕,朱东华,基于 Elman 神经网络的股票价格的预测研究[J] 计算机应用 第 26卷第 2 期 2006 年 2 月
[31]. 林希,张政,基于 Elman 神经网络的气温时间序列预测[J] 科技咨询导报 2007 No.25
[32]. 朱晟, 蒋传文, 侯志俭,基于气象负荷因子的 Elman 神经网络短期负荷预测[J] 电力系统及其自动化学报 第 17 卷第 1 期 2005 年 2 月
[33]. 韩敏,王晨,席剑辉,基于改进 RBF 神经网络的非线性时间序列预测[J] 仪器仪表学报 第 24 卷第 4 期增刊 2003 年 8 月
[34]. 宋宜斌,王培进,一种基于 RBF 神经网络的预测器模型及其研究[J] 计算机工程与应用 2004 年第 6 期
[35]. 姚君兰,基于 RBF 神经网络的互联网时延预测仿真[J] 兵工自动化 2006 年第 25 卷第 4 期
[36]. 陈泽淮, 张尧, 武志刚,RBF 神经网络在中长期负荷预测中的应用[J] 电力系统及其自动化学报 第 18 卷第 1 期 2006 年 2 月
[37]. 张玉瑞,陈剑波,基于 RBF 神经网络的时间序列预测[J] 计算机工程与应用 2005 年第 11 期
[38]. Lu Jinjun, Wang Zhiquan INTERNET TRAFFIC DATA FLOW FORECAST BY RBF NEURAL NETWORK BASED ON PHASE SPACE RECONSTRUCTION T ransact ions of N anjingU niversity of A eronaut ics &A st ronaut ics Dec 2006
[39]. C.Ferna. ndez E. Soria P.Sa. nchez-Seiquer L.Go.mez-Chova R. Magdalena J.D.Mart?n-Guerrero M.J.Navarro A.J.Serrano Weekly milk prediction on dairy goats using neural networks Neural Comput & Applic (2007)
[40]. Bertil Thomas . Mohsen . Soleimani-Mohseni Artificial neural network models for indoor temperature prediction:investigations in two buildings Neural Comput & Applic (2007)
[41]. 韩良秀,丛锁,阎华,高传善。基于小波技术的网络流量特征刻画[J]。小型微型计算机系统, Vol。22,No。9,Sep。2001
[42]. Leland, W.E.; Taqqu, M.S.; Willinger, W.; Wilson, D.V, On the self-similar nature of Ethernet traffic [J], IEEE/ACM Transactions on Networking ,Vol.(2)1, 1994:1 - 15.
[43]. Kihong Park. Walter Willinger , Self-Similar Network Traffic and Performance Evaluation[M], Wiley, 2000
[44]. R.Kawahara and N.Komatsu. A scalable IP traffic controlmethod for weighted bandwidth allocation per flow[C]. IEICETrans. Commun., E84-B(10):2815-2829, October 2001.
[45]. Harvey,A.C., Forecasting ,structural time series models and the Kalman filter ,Cambridge University Press , 1994 P. Abry ,P. Flandrin, M.S. Taqqu, and D.Veitch, “Wavelets for the analysis ,estimation and synthesis of scaling data”[J],Self Similar Network Traffic Analysis and Performance Evaluation,K.Park and W.Willinger ,Eds. , 1999.
[46]. J.Elson,D.Estrin, Time synchronization for Wireless Sensor Network[C]. The 15th Int’1 Parallel and Distributed Processing Symposium, San Francisco, 2001
[47]. 周仲礼,冯文新等 基于小波神经网络模型的中国能耗预测[J] 成都理工大学学报 2005 年 10 月第 32 卷.第 5 期
[48]. 秦大建,李志蜀 基于神经网络的时间序列组合预测模型研究及应用 计算机应用 2006 年 6 月 第 26 卷
[49]. 王永利,周景华,徐宏炳等 时间序列数据流的自适应预测 自动化学报 2007 年 2 月 第 33 卷第 2 期
[50]. S.G.Pierce, K.Worden, G.Manson Evaluation of neural network performance and generalization using thresholding functions Neural Comput & Applic (2007) 16
[2]. 王立,李增智,业务管理网结构和概念模型的研究与实现[J],西安交通大学学报,vol.37,no.8,pp:878-880,2003
[3]. 邹柏贤,刘强,基于 ARMA 模型的网络流量预测[J],计算机研究与发展.2002(12) 1646-1652
[4]. 薛可,李增智,刘浏,宋承谦.基于 ARIMA 模型的网络流量预测[J],微电子与计算机 2004(4):182-186
[5]. 李林峰,裘正定 ,2005 通信理论与技术新进展— 第十届全国青年通信学术会议论文集,2005
[6]. N. Groschwitz, GPolyzos. A Time Series Model of Long-term Traffic on the NSFnet Backbone. In Proceedings of the IEEE International Conference on Communications (ICC'94), 1994
[7]. S. Basu, A.Mukherjee. Time series models for internet traffic. Technical Report GIT-CC-95-27; Georgia Institute of Technology, 1996
[8]. 8 George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel 著,顾岚译.Times Series Analysis Forecasting and Control.中国统计出版社,1997
[9]. 杨位钦,顾岚.时间序列分析与动态数据建模,北京理工大学出版社,1988
[10]. AlaxMa,'Skitter: A tool for actively probing the Internet in order to-analyze topology and performance:http://www.c-aida.org/tool-,/measurement/skitter/
[11]. Govindan R, Tangmunarunkit H. , Heuristics for Internet Map Discovery, Ftp://ftp.use.edu/pub/csinfo/tech-reports/papers/99-717.ps.Z
[12]. 王风宇,云晓春,申伟东.基于小波变换的网络流量在线预测模型 高技术通讯 2006 (12):1220-1225
[13]. 蒋庆华,一种基于小波变换及自回归模型的网络流量预测算法,吉林大学硕士论文,2006
[14]. Xin Wang, Xiuming Shan. A wavelet-based method to predict Internet traffic. Communications, Circuits and Systems and West Sino Expositions, IEEE 2002 International Conference.2002(2):690-694
[15]. 洪飞,吴志美 基于小波的多尺度网络流量预测模型 计算机学报 2006 年 1 月第 29卷第 1 期
[16]. 刘芹,余一娇,谭连生 一种利用 BP 神经网络的 Internet 流量预测算法 2003 中国计算机大会
[17]. Jianchang LU, Zhihong GU, Huiqing WANG, Research on the Application of the Wavelet Neural Network Model in Peak Load Forecasting Considering of the Climate Factors ,Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, 18-21 August 2005
[18]. A.Mellit, M.Benghanem, S.A.Kalogirou An adaptive wavelet-network model for forecasting daily total solar-radiation Applied Energy 83(2006)705-722
[19]. 雷霆,余镇危,一种网络流量预测的小波神经网络模型,计算机应用,第 26 卷第 3期,2006 年 3 月
[20]. 李捷,刘瑞新,刘先省,韩志杰,一种基于混合模型的实时网络流量预测算法[J] 计算机研究与发展 43(5): 806~812, 200
[21]. 李捷,侯秀红,韩志杰,基于卡尔曼滤波和小波的网络流量预测算法研究[J] 电子与信息学报 第 29 卷第 3 期 2007 年 3 月
[22]. 文成林、周东华,多尺度估计理论及其应用[M],北京:清华大学出版社,2002
[23]. 程正兴,小波分析算法与应用[M],西安:西安交通大学出版社,1998
[24]. Martin T. Hagan, Howard B. Demuth, Mark H. Beale 著,戴葵等译 神经网络设计 机械工业出版社,2002 年
[25]. Guoqiang YU; Changshui ZHANG, Switching ARIMA model based forecasting for traffic flow[C], ICASSP '04. Vol.(2): 429-432
[26]. Chuanshan GAO, Liangxiu HAN, Zhiwei CEN, Chunbo CHU,A New Multi fractal Traffic Model Based on the Wavelet Transform[C],Proceedings of the ISCA 14th International Conference: Parallel and Distributed Computing Systems, Richardson, Texas USA, Aug. 8-10, 2001
[27]. 曹雪,魏恒义,程竹林等,基于小波方法的 Internet 流量的预测建模 计算机工程 2003年 9 月第 29 卷第 15 期
[28]. 程光,龚俭,丁伟, 基于小波的网络流量分解模型 小型微型计算机系统 2005 年 3月第 26 卷第 3 期
[29]. 冯海亮,陈涤,林青家,陈春晓,一种基于神经网络的网络流量组合预测模型[J],计算机应用,2006 年 9 月
[30]. 林春燕,朱东华,基于 Elman 神经网络的股票价格的预测研究[J] 计算机应用 第 26卷第 2 期 2006 年 2 月
[31]. 林希,张政,基于 Elman 神经网络的气温时间序列预测[J] 科技咨询导报 2007 No.25
[32]. 朱晟, 蒋传文, 侯志俭,基于气象负荷因子的 Elman 神经网络短期负荷预测[J] 电力系统及其自动化学报 第 17 卷第 1 期 2005 年 2 月
[33]. 韩敏,王晨,席剑辉,基于改进 RBF 神经网络的非线性时间序列预测[J] 仪器仪表学报 第 24 卷第 4 期增刊 2003 年 8 月
[34]. 宋宜斌,王培进,一种基于 RBF 神经网络的预测器模型及其研究[J] 计算机工程与应用 2004 年第 6 期
[35]. 姚君兰,基于 RBF 神经网络的互联网时延预测仿真[J] 兵工自动化 2006 年第 25 卷第 4 期
[36]. 陈泽淮, 张尧, 武志刚,RBF 神经网络在中长期负荷预测中的应用[J] 电力系统及其自动化学报 第 18 卷第 1 期 2006 年 2 月
[37]. 张玉瑞,陈剑波,基于 RBF 神经网络的时间序列预测[J] 计算机工程与应用 2005 年第 11 期
[38]. Lu Jinjun, Wang Zhiquan INTERNET TRAFFIC DATA FLOW FORECAST BY RBF NEURAL NETWORK BASED ON PHASE SPACE RECONSTRUCTION T ransact ions of N anjingU niversity of A eronaut ics &A st ronaut ics Dec 2006
[39]. C.Ferna. ndez E. Soria P.Sa. nchez-Seiquer L.Go.mez-Chova R. Magdalena J.D.Mart?n-Guerrero M.J.Navarro A.J.Serrano Weekly milk prediction on dairy goats using neural networks Neural Comput & Applic (2007)
[40]. Bertil Thomas . Mohsen . Soleimani-Mohseni Artificial neural network models for indoor temperature prediction:investigations in two buildings Neural Comput & Applic (2007)
[41]. 韩良秀,丛锁,阎华,高传善。基于小波技术的网络流量特征刻画[J]。小型微型计算机系统, Vol。22,No。9,Sep。2001
[42]. Leland, W.E.; Taqqu, M.S.; Willinger, W.; Wilson, D.V, On the self-similar nature of Ethernet traffic [J], IEEE/ACM Transactions on Networking ,Vol.(2)1, 1994:1 - 15.
[43]. Kihong Park. Walter Willinger , Self-Similar Network Traffic and Performance Evaluation[M], Wiley, 2000
[44]. R.Kawahara and N.Komatsu. A scalable IP traffic controlmethod for weighted bandwidth allocation per flow[C]. IEICETrans. Commun., E84-B(10):2815-2829, October 2001.
[45]. Harvey,A.C., Forecasting ,structural time series models and the Kalman filter ,Cambridge University Press , 1994 P. Abry ,P. Flandrin, M.S. Taqqu, and D.Veitch, “Wavelets for the analysis ,estimation and synthesis of scaling data”[J],Self Similar Network Traffic Analysis and Performance Evaluation,K.Park and W.Willinger ,Eds. , 1999.
[46]. J.Elson,D.Estrin, Time synchronization for Wireless Sensor Network[C]. The 15th Int’1 Parallel and Distributed Processing Symposium, San Francisco, 2001
[47]. 周仲礼,冯文新等 基于小波神经网络模型的中国能耗预测[J] 成都理工大学学报 2005 年 10 月第 32 卷.第 5 期
[48]. 秦大建,李志蜀 基于神经网络的时间序列组合预测模型研究及应用 计算机应用 2006 年 6 月 第 26 卷
[49]. 王永利,周景华,徐宏炳等 时间序列数据流的自适应预测 自动化学报 2007 年 2 月 第 33 卷第 2 期
[50]. S.G.Pierce, K.Worden, G.Manson Evaluation of neural network performance and generalization using thresholding functions Neural Comput & Applic (2007) 16