基于非平稳型流量队列模型的Internet流量测量研究

针对大规模细粒度网络流量测量的现实困难 ,本文引入一种非平稳型流量队列模型NTT ,直接对粗粒度的流量采样进行建模 .NTT模型是大量活跃的流量队列的迭加 ,每个队列内部的流量变化过程用分形高斯噪声过程FGN描述 ,队列的到达过程形成非同构的泊松过程 ,队列的生存周期服从指数分布 .对CERNET主干网的实际流量测量分析验证了NTT模型的有效性 ,证实了NTT模型可用于基于各种粒度的流量测量的网络行为研究 .

网络非平稳流量多尺度时间序列预测数学建模

网络流量具有时变性与非线性等特征,线性时间序列预测性能不佳,提出网络非平稳流量多尺度时间序列预测数学建模。利用离散低通滤波器确定流量分解系数,经过初始化处理,对滤波器做插零完成小波分解;使用支持向量机方法设置回归函数,确保函数最小化,并将低维空间中非线性回归问题转换为高维空间线性回归问题,在初始低维空间做核函数计算获取高维空间内积,引入双曲核函数建立支持向量机每一步的预测模型;重构小波分解后的时间序列,利用预测模型求解回归函数,即可实现对整体流量多尺度时间序列的预测。实验结果表明,上述方法提高预测精度,减少预测延时。

空间相关非平稳地震荷载作用下的大坝风险分析

坝体风险性研究具有十分重要的意义。文章提出了在空间相关非平稳地震荷载作用下,不同破坏模式下的大坝风险分析系统分析方法。首先采用人工生成空间相关非平稳地震动时程和Mazars混凝土损伤模型,通过对混凝土重力坝的坝头、上游折坡面以及建基面等处的损伤值及其抗滑稳定系数的研究,然后推导了大坝溃口宽度以及相应的溃口流量随时间的变化规律,根据溃口时间和流量变化推出了溃坝后的生命损失以及财产损失,最后进行了算例分析。通过计算结果可以看出,所提出的模型能够考虑大坝的风险发生的各个过程,并能够较全面的描述大坝的风险。

IP数据网络混和流的特性分析及模型化

IP数据网络流量分析模型的研究一直是通信网络性能分析中一个及其重要的问题。许多文献提出一些不同的流量模型,其中包括;马尔可夫模型、回归模型、长程依赖流量模型和(σ,ρ)漏桶模型。这些模型描述了网络流量的一些特性,并具有特定的使用范围。但是随着网络技术的发展和新网络应用的不断涌现,网络流量呈现出一些新的特性。通过对实际网络测试结果的时频分析,发现网络混合流的包速率变化呈现出一定的周期性,而且具有非平稳正态特性。基于此结果,该文提出了网络混合流的周期非平稳正态模型。

岩溶地区泉流量动态变化的模拟方法研究

小南海泉作为河南安阳市的"生命泉",对安阳市的发展和居民生活有重要意义。如何根据所掌握的泉流量多年动态变化过程来预报泉流量,是泉域水资源开发利用规划及管理的重要依据。通过对小南海泉流量动态变化及其影响因素分析,建立了三维输入、一维输出双隐单元BP神经网络模型及一维非平稳时间序列模型,通过对模型检测结果进行比较,发现BP神经网络模型能有效预测泉流量,可以作为泉域水资源管理的一个重要手段。