基于极大极小概率机的无线网络流量预测

摘要

无线网络作为一种新的互联网接入方式，因其灵活方便的特点已被应用在更多的领域。同时无线网络的安全和对网络的管理成为当前研究的热点。据资料分析，目前所取得的研究成果大多是针对有线网络流量进行预测，而对无线网络这方面的研究还很少。由于无线网络环境更加复杂多变，不稳定性更加明显，传统的有线网络的预测方法并不适用，不能很好的体现无线网络特征，造成预测准确率较低，严重影响了流量异常检测的效率。因此，本文针对无线网络流量的特征分析和流量预测做了如下几点研究：
　　 第一，本文通过边际分布、自相似分析、分形特征分析等证明了无线网络流量数据具有突发性和混沌多分形特征。在无线网络流量特征分析和预测算法研究的基础上，引入了极大极小概率机（MPMR）建立无线网络流量预测模型。
　　 第二，对基于MPMR算法的预测模型分析和改进。主要包括数据集长度、核函数、epsilon取值等MPMR算法参数的研究；在确定最优参数的基础上，使用MPMR算法进行无线网络流量预测，并与SVM算法相比较：预测模型的改进。我们在向量距离计算上对模型进行改进，并通过残差分析及模型修正提高模型的预测精度。最后通过仿真实验验证了该预测模型及其改进的有效性，能够更准确的进行无线网络流量预测。