网络流量预测算法仿真分析

摘要

网络流量预测可以对大规模网络进行合理的管理、规划和设计.但传统网络存在隐蔽信道攻击行为,在正常的传输中隐秘地传送一些信息.上述隐秘信息不具备明显的检测特征,导致传统方法进行网络流量预测时,不能根据流量特征检测到隐秘信息流量,导致检测值与真实值之间差距过大,网络流量预测误差大.提出一种采用马尔柯夫链算法的IPV6环境下的网络流量预测方法.首先对IPV6环境下的网络流量历史值进行分析,计算网络流量历史观察值加权后的总和,根据总和建立马尔柯夫链网络流量预测模型,对IPV6环境下的网络流量作出初步的预测,并将灰色理论引入到组建的马尔柯夫链模型中,得到IPV6环境下网络流量初步预测的残差值,并对其进行修正,将IPV6环境下的网络流量状态划分为不同的区间,以此为依据对IPV6环境下的网络流量进行精确的预测.仿真结果证明,改进算法可以有效预测IPV6环境下的网络流量的变化趋势,提升了IPV6环境下的网络性能管理质量.