1、隨著網(wǎng)絡規(guī)模的日益龐大和復雜，網(wǎng)絡帶寬急劇增加，基于網(wǎng)絡的互聯(lián)網(wǎng)服務呈現(xiàn)多樣化的發(fā)展，這使得互聯(lián)網(wǎng)的運行機制和行為特征錯綜復雜，因此，加強網(wǎng)絡管理，對網(wǎng)絡QoS進行實時的控制和管理成為一個函待解決的問題。然而，實現(xiàn)網(wǎng)絡QoS控制需要及時了解和預測網(wǎng)絡的運行狀況，以便對網(wǎng)絡的運行進行控制，這就需要進行網(wǎng)絡流量預測。網(wǎng)絡流量的精確預測對于提高網(wǎng)絡的服務效率和質量及網(wǎng)絡安全有著非常重要的意義。
　　本文針對網(wǎng)絡流量預測模型進行了相關研究

2、。論文首先介紹了網(wǎng)絡流量的相關特征及對當前網(wǎng)絡流量預測模型進行了簡單闡述。然后分別對小波變換理論、BP神經網(wǎng)絡和遺傳算法理論進行了介紹。小波變換理論和BP神經網(wǎng)絡構成了小波神經網(wǎng)絡，在分析小波神經網(wǎng)絡和遺傳算法理論的基礎上，針對小波神經網(wǎng)絡存在收斂速度慢和易陷入局部最優(yōu)等缺點，將遺傳算法引入小波神經網(wǎng)絡。采用具有良好全局搜索能力的遺傳算法來優(yōu)化神經網(wǎng)絡的權值和閾值，建立了基于遺傳算法和小波神經網(wǎng)絡的網(wǎng)絡流量預測模型。該模型采用小波分解技

3、術把網(wǎng)絡流量數(shù)據(jù)時間序列分解為小波系數(shù)和尺度系數(shù)，即低頻系數(shù)和高頻系數(shù)，將不同頻率部分的系數(shù)分別單支重構為低頻流量分量和高頻流量分量，然后用遺傳算法優(yōu)化過的BP神經網(wǎng)絡訓練后進行預測，得到不同頻率部分的預測分量，最后，將它們的合成作為對原始網(wǎng)絡流量的預測結果，同時與現(xiàn)有的小波神經網(wǎng)絡模型的預測性能進行比較分析。
　　在上述理論分析的基礎上，對選定的網(wǎng)絡流量數(shù)據(jù)進行仿真預測實驗。實驗結果表明本文提出的新的預測模型能夠提高小波神經網(wǎng)絡