基于小波包的RBF神经网络网络流量混沌预测

2012-07-04冯兴杰潘文欣卢楠

计算机工程与设计 2012年5期

关键词：方法

冯兴杰，潘文欣，卢楠

（1.中国民航大学计算机科学与技术学院，天津 300300；2.北京邮电大学通信与信息工程院，北京 100876）

0 引言

准确的网络流量模型能捕获实际网络流量的行为规律，是理解和预测网络行为、分析和评价网络性能的基础，只有基于网络特性的建模方法才能准确描述网络行为的复杂特性。影响网络流量特性的不确定因素非常多，如新应用、新协议等，使得网络流量数据呈现出自相似、长相关、周期性、分形等规律特性的同时，也具有一定的不确定性和随机性，这些特性恰好都与混沌有着密切的联系［1］。由于混沌自身的这些特点，越来越多的学者开始将其应用于网络流量的建模、分析与预测。归纳起来主要有以下几种方法：局域法［2－4］，基于Lyapunov指数预测法［5－6］、基于神经网络的预测法［7－10］、基于支持向量机的预测法［11－13］等。以上几种方法比传统基于短相关模型和自相似模型的方法在描述、分析和预测网络行为时有了一定程度的提高，但共同的缺点就是不能完全准确地刻画网络流量的多尺度特性，因而造成预测准确率不高，泛化能力不强。

为解决上述问题，本文提出了一种基于小波包的RBF神经网络网络流量混沌预测方法；在计算最佳嵌入维和时间延迟时，考虑到实际网络流量的周期特性及噪声的影响，提出了一种改进的时间窗口法，该方法较适用于实际网络流量的预测问题。