文档介绍：基于小波能量差和BP神经网络的网络性能分析* [基金项目]2009年度广西教育厅科研项目(200911LX351)
[收稿日期]2012-04-20
蒋炎华甘井中
(玉林师范学院实验设备处广西玉林 537000)
[摘要] 文章将小波变换与人工神经网络结合,建立一种网络性能分析模型。首先对流量时间序列进行小波分解,得到多个尺度的小波系数序列,计算能量差,作为BP神经网络模型的输入,得出网络性能评价。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的可行性。
[关键词] 网络性能;小波变换;BP神经网络
[中图分类号]TP393 [文献标识码]A [文章编号]1008-7656(2012)03-0046-03
网络流量具有明显的多尺度特性,如分形、长程相关、自相似性等,传统的网络流量模型(如自回归模型、自回归滑动平均模型、Markov模型、Poison模型等)只能处理平稳过程和特殊非平稳过程,不能有效地分析流量的这些特性。小波变换是一种非常有效的分析非线性时间序列的工具,能将网络流量序列分解成不同尺度的系数序列;而人工神经网络具有较强的非线性逼近功能。
结合小波变换和BP神经网络,提出了一种新的校园网络性能分析模型:首先将网络流量进行小波变换,得到各尺度的小波系数序列,计算各时段各尺度的小波能量差;然后将能量差序列输入经训练的BP神经网络,由BP神经网络给出网络性能的评价。
1 网络流量的小波能量差
网络流量是一种非线性的时间序列信号,网络流量的小波变换是在一组小波基上的投影。小波基是由一个原型小波经规范平移和伸缩得到的一个函数族;此外,还有一个称为尺度函数的函数族,亦由一个原型尺度函数经平移和伸缩得到。此两个函数族互为正交补,分别是:
(1)
(2)
网络流量的小波变换是将时间函数按基函数做展开,它们的系数是通过内积运算得到:
小波系数(3)
尺度系数(4)
在尺度,网络流量可以表示为:
(5)
上式中,是尺度系数,是小波系数。
小波系数反映了信号在某尺度某段时间的能量,将信号在尺度的能量定义为:
(6)
式中,是信号在尺度的小波系数的数量。
相邻的两个相等时间段内的流量分别记和,根据上述定义,它们在尺度的能量分别是:
(7)
(8)
这两个时间段流量在尺度的能量差为:
(9)
2 BP神经网络性能分析模型
针对网络流量多尺度和非线性的特性,综合小波变换的多分辨分析能力和神经网络的非线性逼近能力,便可建立起新的模型来分析网络性能,具体如图1所示。图中网络流量经小波变换得各尺度(层)的小波系数序列,然后计算各尺度各时段的能量差序列,能量差序列分别输入各自尺度对应的BP神经网络。最终各尺度BP神经网络输出的结果汇集到最终综合分析的BP神经网络,输出性能评价。
网络流量具有明显的多尺度特性,如分形、长程相关、自相似性等,传统的网络流量模型(如自回归模型、自回归滑动平均模型、Markov模型、Poison模型等)只能处理平稳过程和特殊非平稳过程,不能有效地分析流量的这些特性。小波变换是一种非常有效的分析非线性时间序列的工具,能将网络流量序列分解成不同尺度的系数序列;而人工神经网络具有较强的非线性逼近功能。
结合小波变换和BP神经网络,提出了一种新的校园网络性能分析模型:首先将网