网络流量预测系统的研究与实现
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 引言 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·流量分析的研究现状 | 第10-11页 |
| ·流量预测的研究现状 | 第11-13页 |
| ·本文的主要工作 | 第13页 |
| ·课题的实现方法和意义 | 第13-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 相关技术介绍 | 第16-28页 |
| ·SNMP 协议简介 | 第16-20页 |
| ·SNMP 的命令和报文 | 第17-19页 |
| ·MIB 概述 | 第19-20页 |
| ·时间序列预测技术 | 第20-23页 |
| ·线性时间序列预测的方法 | 第20-21页 |
| ·非线性时间序列预测方法 | 第21-22页 |
| ·基于神经网络的时间序列预测方法 | 第22-23页 |
| ·BP 神经网络技术 | 第23-27页 |
| ·神经网络概述 | 第23-25页 |
| ·BP 网络模型结构 | 第25-26页 |
| ·BP 网络学习过程 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 网络流量预测系统总体架构 | 第28-38页 |
| ·网络流量预测系统的结构设计 | 第28-30页 |
| ·系统功能模块介绍 | 第28-29页 |
| ·系统开发运行环境 | 第29-30页 |
| ·流量图生成模块的设计与实现 | 第30-34页 |
| ·MRTG 的原理和组成 | 第30-31页 |
| ·MRTG 的配置与应用 | 第31-32页 |
| ·RRD 数据库 | 第32-34页 |
| ·流量图生成情况 | 第34页 |
| ·流量数据采集模块的设计 | 第34-37页 |
| ·WinInet 类简介 | 第35页 |
| ·用WinInet 获取网页源代码 | 第35-36页 |
| ·数据采集分析和存储的实现 | 第36-37页 |
| ·网络流量预测模块 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第四章 网络流量预测模型的设计与实现 | 第38-57页 |
| ·流量预测模型总体设计 | 第38-41页 |
| ·网络节点端口流量的引入 | 第38页 |
| ·预测对象的确立 | 第38-39页 |
| ·预测模型结构设计 | 第39页 |
| ·带宽占有率预测模型流程图 | 第39-41页 |
| ·BP 网络拓扑结构的设计 | 第41-44页 |
| ·构建模型的几个参数的设定 | 第44-45页 |
| ·神经元的激励函数的选定 | 第44-45页 |
| ·权值、阈值的初始值域的确定 | 第45页 |
| ·网络学习速率的确定 | 第45页 |
| ·BP 算法的设计 | 第45-48页 |
| ·基本BP 算法的介绍 | 第45-46页 |
| ·基本BP 算法的不足和改进方法 | 第46-47页 |
| ·本文的BP 改进算法方法 | 第47-48页 |
| ·预测模型的结果评价 | 第48-49页 |
| ·BP 网络预测模型的实现 | 第49-56页 |
| ·数据的存储 | 第50-51页 |
| ·神经网络类的定义 | 第51-53页 |
| ·神经网络计算过程实现 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 实验与应用 | 第57-67页 |
| ·实验环境 | 第57页 |
| ·BP 网络性能实验与实验数据结果分析 | 第57-62页 |
| ·数据的选择和样本的准备 | 第57-59页 |
| ·实验结果及结论 | 第59-62页 |
| ·预测模型结果分析 | 第62-64页 |
| ·训练误差分析 | 第62-63页 |
| ·预测效果分析 | 第63-64页 |
| ·预测模型在网络流量预测系统中的应用 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 结束语 | 第67-69页 |
| ·本文总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的论文与项目 | 第72-73页 |
| 致谢 | 第73-74页 |
| 详细摘要 | 第74-77页 |
