پیش بینی دوره های طولانی ترافیک شبکه با استفاده از تبدیل موجک و سری زمانی ARIMA)
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 688
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC03_043
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
در این مقاله، یک روش جهت مدل سازی و پیش بینی ترافیک شبکه های رایانه ای به منظور امکانسنجی ترافیک شبکه در آینده و تشخیص ناهنجاری ارایه گردیده است ، در این روش با استفاده ازتبدیلات فوریه و موجک بر روی ترافیک NETFLOW ارایه شده از آزمایشگاه مرجع دانشگاهمک گیل کانادا ، فرکانس های پرتکرار در قالب دو مولفه فرکانسی اصلی و جزیی تشخیص داده شدهو بر اساس آنالیز واریانس مولفه های فرکانسی ، مولفه های با واریانس بیشتر انتخاب و مدل سریزمانی از ترافیک شبکه با ابعاد کمتر تعیین میگردد، ما نشان میدهیم که مدل تعیین شده از رفتارهایترافیکی شبکه نا ایستا و دارای روند های طولانی مدت میباشد که این ویژگی امکان پیش بینیترافیک را برای ما فراهم می سازد. با توجه به خصوصیت نا ایستایی مدل ، و بر اساس متدولوژیباکس- جنکیس پارامترهای خود همبستگی و همبستگی جزیی احصاء و رگرسیون خطی سری زمانیبا مرتبه پایین ARIMA جهت تخمین مدل تعیین و معیار آکابیک به منظور دستیابی به پارامترهایبهینه سری زمانی مورد استفاده قرار گرفته است ،در نهایت با استفاده از رگرسیون سری زمانیARIMA و نتایج بدست آمده ما قادر به پیش بینی فصلهای زمانی طولانی مدت پر تکرار 12 ساعته،یک روزه، یک هفته و یا ماهانه خواهیم بود.
کلیدواژه ها:
نویسندگان
علی اصغر میرزایی
کارشناسی ارشد برق –مخابرات ، واحد کاشان ،دانشگاه آزاد اسلامی ،کاشان ،ایران
امیرحسین خنشان
دکتری برق – مخابرات ، واحد کاشان ،دانشگاه آزاد اسلامی ،کاشان ،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :