◆杜 涛

（山西晋中学院远程教育学院 山西 030600）

基于BP神经网络技术的网络流量预测模型

◆杜 涛

（山西晋中学院远程教育学院 山西 030600）

随着计算机网络技术的不断发展，互联网在带给人们便利性的同时也面临着诸多安全威胁。计算机网络流量作为一个重要的网络安全参数，受到越来越多的重视。建立网络流量预测模型，不仅可以为网络性能分析、流量管控等提供支持，还可以更好地解决网络效率、安全等方面的问题。基于此，本文提出了神经网络流量预测模型，并相应地验证了模型的正确性。

网络流量；BP神经网络；预测模型

0 引言

随着网络信息技术的飞速发展，越来越多的用户和产品加入到网络中来。据联合国相关机构发布的数据，2016年全球互联网用户将达到34亿人，占世界人口总数的45%。据思科公司预计，到2016年，全球网络一年的流量将达到 1.8 ZB。海量的用户和流量，使得网络结构变得日趋复杂。在这种情况下，建立准确的网络流量预测模型就可以为网络性能分析、流量控制、网络拓扑结构规划等提供理论支持，更好地解决网络效率、安全等问题，改善和保障网络运行。

1 常见的网络流量预测模型

网络流量是指一定时间内通过网络或网络端口的数据大小。现实中的网络流量模型呈现出复杂的非线性关系，受到多种外因的影响。常见的描述网络流量的模型有FARIMA[1]、灰色模型、SVM、神经网络模型等。

1.1 FARIMA模型

FARIMA（p，d，q）模型是一种时间序列模型，是ARIMA（p，d，q）模型（Autoregressive Integrated Moving Average Model）的演变[1]。FARIMA模型可以同时对线性和非线性的相关建模，但是不能对突发性等网络外界因素进行捕捉，计算量大。……