6篇关于流量预测的计算机毕业论文

今天分享的是关于流量预测的6篇计算机毕业论文范文, 如果你的论文涉及到流量预测等主题,本文能够帮助到你

星地融合网络中基于协同流量预测的路由算法研究与实现

这是一篇关于星地融合网络,流量预测,深度学习,路由算法的论文, 主要内容为得益于低地球轨道(Low Earth Orbit,LEO)卫星网络具有传播损耗低、数量级大、较少受地理环境的限制、提供全球无缝覆盖等优点,卫星网络和地面网络紧密结合的星地融合网络被提出,并且在工业界和学术界都受到了广泛的关注。随着星地融合网络可承载的业务不断增多,构建实时、高效、均衡的路由算法直接关系着网络服务质量(Quality of Service,QoS),是星地融合网络发展的必然要求。但是,LEO卫星网络的拓扑结构动态变化频繁,资源与流量分布不均衡给星地融合网络中路由算法的设计带来挑战。目前已有的研究大多数是将地面网络资源和卫星网络资源分开考虑的,往往由两个网络各自的路由结果组合而成,难以满足用户的端到端QoS需求,并且是在网络已经发生拥塞时才被动地执行流量控制措施,没有充分利用卫星流量的历史数据。针对当前星地融合网络路由算法存在的不足,本文提出基于流量预测的负载均衡与QoS路由算法(Load Balancing and QoS Routing basedon TrafficPrediction,TP-LBQR)。首先,通过预测卫星节点在下一时刻的流量,反映卫星负载情况,从而选择更可靠的下一跳路由。由于传统的流量预测算法在预测精度与效率上都有所欠缺,本文提出了基于堆叠降噪自编码器(Stacked Denoising Auto-encoder,SDAE)的深度学习流量预测算法,并且考虑到卫星节点的计算存储能力有限,提出了卫星-地面站协同流量预测的边缘卸载模型(Cooperative Traffic Prediction Model,CTPM),最小化模型预测所需时延。其次,在星地融合网络中引入软件定义网络(Software Defined Network,SDN)可以有效地解决异构网络的管理问题,使得端到端路由成为可能。因此本文建立了基于SDN的星地融合网络场景,并根据LEO卫星特点定义链路代价函数,利用流量预测结果定义负载权重因子,然后采用蚁群算法对路由进行求解,得到满足负载均衡与QoS需求的端到端路径。最后,本文基于TP-LBQR路由算法,设计并实现了一个仿真验证系统。首先对该系统进行了需求分析,并设计了系统架构和数据库,在此基础上介绍了各模块的详细设计,包括网络拓扑展示模块、流量预测模块和路由选择模块。前端使用Vis.js绘制可视化拓扑图,jQuery实现前后端ajax交互,以及JSP和CSS/HTML提供可视化界面与用户交互功能,后台开发采用SSM框架,数据库采用MySQL。最后介绍了系统的测试情况,通过功能测试和性能测试,保证系统的稳定性与可用性,表明该系统能够帮助运维人员在星地融合网络中科学地规划路由。

星地融合网络中基于协同流量预测的路由算法研究与实现

通信运营商业务支撑系统的设计与实现

这是一篇关于流量预测,宽度学习,随机森林,特征工程,数据挖掘的论文, 主要内容为新一代通信技术迅猛发展,移动智能设备日益普及。移动通信网络正不断渗透到人们生活的各个方面,已成为当今社会重要的基础信息设施。面对日益复杂的网络环境和指数级增长的网络数据流量,为有效避免网络拥挤和堵塞网络,通信运营商业务支撑系统需要花费大量的时间和资源来监控网络实时流量以应对不同的突发状况。课题基于HS市通信运营商网络基站的真实流量数据,研究国内外流量预测的相关理论和算法思想,在通信运营商业务支撑系统基础上构建宽度森林模型进行流量预测管理。该模型通过在宽度学习(Broad Learning System,BLS)框架中引入随机森林(Random Forest,RF)进行学习,从而提前预测网络状况可能发生的变化,及早采取应对措施,以确保稳定的网络质量。本论文的主要研究工作和内容如下:(1)系统需求分析:首先从技术可行性、经济可行性和操作可行性三个方面对系统进行可行性分析研究。然后根据通信运营商的具体业务需求将系统划分为监控管理、业务管理、分析管理、运维管理和资源管理5个业务子系统模块。(2)模型设计:模型采用的数据集来源于某运营商真实基站所采集到的网络流量数据,但原始数据不能直接输入模型中,需要对数据进行删除异常值、数据转化、缺失值填充以及特征提取和特征选择等操作。最后输入到宽度森林模型进行预测,结果为某运营商预测基站流量数据的变化,具有实际意义。(3)系统实现:采用主流的Vue+Spring Boot前后端分离开发模式,依托B/S架构,使用Spring MVC和My Batis技术构建系统。使用ECharts图库对Oracle数据进行可视化,并部署大数据处理平台进行数据存储和整合,为模型构建提供可靠的数据资源。(4)系统测试:针对实现的系统主要从功能性和非功能性两个方面进行测试,检验系统的功能是否有效,在安全性、兼容性、稳定性等方面是否符合期望。测试结果表明通信运营商业务支撑系统各方面均符合用户预期。通信运营商业务支撑系统通过对过往数据进行数据处理,结合数据存储技术和机器学习算法对不同基站流量数据进行实时预测,通过不断优化模型,实现基站网络流量的实时预测效果,使运营商提前预测到网络流量的相关变化,确保良好的服务质量。

通信运营商业务支撑系统的设计与实现

面向互联网广告投放的互联网流量预测

这是一篇关于互联网广告投放,流量预测,循环神经网络的论文, 主要内容为在互联网营销中,对于品牌商来说,互联网广告投放经常遇到的问题是,广告位流量数据是难以获取。本文对互联网流量预测,结合传统营销理论,结果用于广告位选择和成本预算。本文将综合应用文献研究法、数量研究法、模拟法对品牌方在对互联营销中的研究,在实际生产运营当中解决品牌传播中遇到的信息不对称导致营销成本不可控的问题。本文阐述了互联网的发展过程,从而互联网广告应运而生。在互联网广告投放过程中,涉及到广告的传播模式、计费模式等,在综合各种影响因素分析下,发现互联网投放存在着一些问题。互联网广告是可追踪的,但是由于品牌方和广告平台存在着信息不对称的情况,品牌方难以准确得到广告平台流量信息。互联网用户在上网的时候会产生大量的数据,本文根据维基百科产生的浏览日志数据,而这些日志数据是通过时间序列数据形式存放的,通过对这些数据向上汇总,得出每天、每个页面的浏览量,再通过正则化变换,结合LSTM与GRU、seq2seq模型、注意力机制深入研究,通过循环神经网络进行数据挖掘。最终,通过挖掘模型对互联网平台浏览量进行预测,在极高的预测准确率基础上,为品牌方提供一段时间段内的流量预测结果,此举打破互联网广告平台的信息壁垒。通过类似的方法,品牌方可以通过预测某一个可获取数据的互联网广告平台或者自有电商平台的流量,结合企业本身实际需求,在价格最优的情况下选择更大的互联网广告曝光量,在投放品牌曝光广告前提前锁定优质广告资源位置。