摘要: 计算机网络是20世纪最伟大的发明之一，它的出现为经济、社会的发展注入了强劲的动力，但随之而来的还有网络的安全和管理的问题。使用网络监控技术来监测网络状态并结合一定的管理机制，已经被证明是解决上述问题的有效方法。然而传统的网络监控技术... 展开 计算机网络是20世纪最伟大的发明之一，它的出现为经济、社会的发展注入了强劲的动力，但随之而来的还有网络的安全和管理的问题。使用网络监控技术来监测网络状态并结合一定的管理机制，已经被证明是解决上述问题的有效方法。然而传统的网络监控技术的最大不足就是迟滞性，即只有当问题凸显出来后，才能发现问题，此时危害往往已经开始，并且难以消除。为此人们提出了网络预管理的概念，即预测网络将来的状态，并在可能的问题出现之前，即采取预防措施，将危害消灭于潜伏状态。在这样的背景下，本文提出了一种流量预测方法。 本文的研究工作围绕网络流量预测展开。文章首先阐述的是网络测量。网络测量是网络监测技术的基础，了解网络测量的知识将有助于对本文所使用的技术方法及所要达成的目的有一个概括的认识。其次，文章介绍了网络流量抽样测量。流量测量将为预测提供所需的历史数据，所以是本文研究的重点内容。本文以高速网络为背景，在高速网络环境下，传统的测量方法将失效，抽样测量为解决这个问题提供了一个方向。接下来，文章介绍了网络流量预测。流量预测算法是本文的核心内容，了解与此相关的诸如流量模型、流量特征等知识，将有助于全面把握本算法的原理和设计。文章的最后一项研究工作是机器学习在本课题的应用。引入机器学习的目的是使预测算法有更好的自适应性，本文使用libSVM建立起平滑参数的机器学习模型，在预测过程中动态调整平滑参数取值。 本文最后展示了实验成果，结果表明本文设计的算法效果良好，符合系统精度要求。 收起