發(fā)布時間：2020-04-06 00:25

【摘要】：近年來隨各種寬帶業(yè)務信息流量勢如破竹般增長,光網(wǎng)絡運維與資源調(diào)度面臨著前所未有的挑戰(zhàn)。而軟件定義光網(wǎng)絡技術(SDON)的出現(xiàn)也讓計算機技術管控網(wǎng)絡更加高效。與此同時,在城域網(wǎng)中用戶接入網(wǎng)絡位置實時變化,造成了網(wǎng)絡負載隨時間周期性動態(tài)變化的潮汐流量現(xiàn)象,而網(wǎng)絡運營商無法對此做出快速靈活的資源調(diào)度,給網(wǎng)絡運維帶來了挑戰(zhàn)。如何準確預測城域網(wǎng)中的流量變化以及針對預測結果給出合理的資源調(diào)度策略,是當前亟需攻克的關鍵技術難題。本論文圍繞潮汐流量預測問題與城域光網(wǎng)絡潮汐效應下的業(yè)務疏導問題,主要從建立潮汐流量預測模型、光路提供與業(yè)務重構三個方面展開研究。本文的具體工作和創(chuàng)新點如下:(1)針對城域網(wǎng)潮汐流量現(xiàn)象,建立了BP人工神經(jīng)網(wǎng)絡模型預測潮汐流量變化,使其既解決預測潮汐遷移到達的問題,又解決流量變化擬合問題。在模型訓練過程中調(diào)整模型參數(shù),減小模型預測誤差。仿真結果表明該方案可有效預測網(wǎng)絡的潮汐流量變化趨勢,預測歸一化擬合誤差控制在0.05以內(nèi),預測準確率達到90%以上。(2)基于該BP-ANN流量預測模型,設計了城域網(wǎng)潮汐流量管控機制,將機器學習模型內(nèi)嵌,運用于流量調(diào)度決策過程中。在該機制的基礎上提出了基于流量預測的光路提供啟發(fā)式策略。仿真結果表明該光路提供機制能夠緩解潮汐流量現(xiàn)象導致的負載不均,與最短路徑策略以及負載自適應路由策略相比阻塞率分別降低11.9%和1.3%。(3)結合設計的管控機制以及BP-ANN流量預測模型,提出了一種面向城域網(wǎng)潮汐流量的業(yè)務重構方法,詳細描述了如何利用BP-ANN模型的預測結果進行重構的觸發(fā)以及業(yè)務的搬移流程。仿真結果表明,該方案根據(jù)預測的鏈路負載情況,調(diào)度運行業(yè)務的資源占用,能夠降低7.6%的業(yè)務阻塞率,但同時會造成1.0%的業(yè)務中斷。
【圖文】：

以及多域異構組網(wǎng)等。然而，在實際的網(wǎng)絡運行當中，光網(wǎng)絡仍然存在一些問逡逑題，需要依靠更加智能化的技術手段來解決。逡逑城域光網(wǎng)絡由光核心層、光匯聚層和接入層組成｜９１，如圖１－２所示，分別負逡逑責城域網(wǎng)內(nèi)信息的高速傳送１邋：；交換、信息的匯聚和分似任務以及為用戶提供具體逡逑的接入手段。長期以來，在城域網(wǎng)中，ＯＴＮ妃運Ｕ商承載網(wǎng)絡中最基本的網(wǎng)絡逡逑設施［１（）＇１１］，并且數(shù)據(jù)業(yè)務己經(jīng)成為城域光網(wǎng)絡帶寬的主要占用者。隨著城市規(guī)模逡逑的擴大和城域網(wǎng)的發(fā)展，，需要逐步增加１Ｐ城域網(wǎng)的匯聚、接入節(jié)點的數(shù)量和增逡逑大網(wǎng)絡的覆蓋范圍１１２，１３１。逡逑■ｎｔｅｍｅｔ邐邐＾一W 數(shù)據(jù)屮心逡逑＿服務網(wǎng)關節(jié)點逡逑襄１邐３核心節(jié)點逡逑＿匯聚節(jié)點逡逑光＇匯聚層：邐ｆ邐）邐Ｍ邐＼逡逑灥逡逑無線接．丨ｉ邐會各邋ｋ逡逑入網(wǎng)：以邋６邐Ａ邐？邋＾逡逑丨丨＊！：丨邐ｆｔ邋ｆ＊逡逑圖１－２城域光網(wǎng)絡架構逡逑在大規(guī)模城市的城域網(wǎng)中，用戶可以隨時隨地接入網(wǎng)絡。用戶產(chǎn)生的數(shù)據(jù)業(yè)逡逑務首先會接入離用戶最近的ＩＰ層網(wǎng)絡節(jié)點。而想要實現(xiàn)端到端的業(yè)務傳輸是需逡逑要大容量的ＯＴＮ去承載這些ＩＰ層節(jié)點所匯聚轉(zhuǎn)發(fā)的數(shù)據(jù)１｜４１。接入的數(shù)據(jù)業(yè)務逡逑需要從ＩＰ層下沉到光層，再通過ＯＴＮ的“剛性管道”去傳輸這些數(shù)據(jù)。用戶接逡逑入網(wǎng)絡的位置實時發(fā)生變化，具體表現(xiàn)在：用戶在網(wǎng)絡中分布不均勻，白天多集逡逑２逡逑

絡操作擬定合適的策略，簡化運維，提高網(wǎng)絡生存性、系統(tǒng)健壯性指標｜３Ｓ１，同時逡逑能高效執(zhí)行決策。逡逑ＳＯＯＮ的體系架構如圖１－３所不，它在應用平面、控制平面與傳送平面都引逡逑入了人工智能相關技術作為決策的重要一環(huán)。其中，應用平面結合機器學習技術，逡逑５逡逑
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181;TP393.1

【相似文獻】

相關期刊論文 前10條

1 周德強;徐建閩;邵源;曾華燕;曾悅;;城市路網(wǎng)道路改造轉(zhuǎn)移流量預測[J];交通運輸系統(tǒng)工程與信息;2006年06期

2 王建中;劉凌;徐金陽;;基于遺傳算法與支持向量機的日流量預測[J];水電能源科學;2008年04期

3 咼常冠;;空中交通綜合流量預測系統(tǒng)[J];民航管理;2018年12期

4 咼常冠;;空中交通綜合流量預測系統(tǒng)[J];民航管理;2016年11期

5 張奎鴻,陳小鴻,林航飛;高速公路網(wǎng)流量預測與分期建設研究[J];上海公路;2000年02期

6 徐健清;;基于神經(jīng)網(wǎng)絡的遠海航道船舶流量預測系統(tǒng)構建[J];艦船科學技術;2019年04期

7 胡錚;袁浩;朱新寧;倪萬里;;面向5G需求的人群流量預測模型研究[J];通信學報;2019年02期

8 王維鳳,陳小鴻,林航飛,吳嬌蓉;高速公路流量預測風險分析[J];長安大學學報(自然科學版);2003年06期

9 劉玉梅;基于最小二乘估計原理的飛機流量預測[J];中國民航學院學報;2003年04期

10 吳曙東;;實施新貸款分類法必須重視現(xiàn)金流量預測[J];云南金融;1999年04期

相關會議論文 前10條

1 譚宇婷;蔡曉禹;雷財林;劉秀彩;;短時流量預測研究現(xiàn)狀及大數(shù)據(jù)環(huán)境下預測方法探討[A];第十二屆中國智能交通年會大會論文集[C];2017年

2 李千目;戚勇;吳克力;楊云;張宏;劉鳳玉;;一種新的網(wǎng)絡擁塞流量預測方法[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

3 郭冠英;;綜合型交通分配模型與路網(wǎng)流量預測[A];全國城市道路與交通工程學術會議論文集[C];1991年

4 蔡亞橋;符永正;;多泵并聯(lián)變臺數(shù)調(diào)節(jié)的流量預測[A];全國暖通空調(diào)制冷2006年學術年會論文集[C];2006年

5 呂發(fā);黃彥平;王艷林;閆曉;;基于壓降平衡的穩(wěn)態(tài)自然循環(huán)流量預測[A];中國核動力研究設計院科學技術年報（2012）[C];2014年

6 林義勇;鞠福昌;盧艷;;ARMA模型在局域網(wǎng)短期流量預測中的應用研究[A];第十一屆全國信號和智能信息處理與應用學術會議�？痆C];2017年

7 陳永環(huán);王智靈;朱明清;王建;陳宗海;;基于衛(wèi)星圖像的行車最優(yōu)路線策略研究[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

8 劉潤杰;申金媛;張端金;穆維新;;下一代網(wǎng)絡信令流量的混沌預測[A];第二十七屆中國控制會議論文集[C];2008年

9 王桂娟;陳寧;徐同閣;;基于ARMA的IP網(wǎng)絡流量建模方法研究[A];2006全國復雜網(wǎng)絡學術會議論文集[C];2006年

10 趙志理;李煒;王虎平;劉波;;基于超強學習機的交通客流預測方法研究[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學者大會論文集[C];2011年

相關重要報紙文章 前6條

1 秦風;創(chuàng)業(yè)初期的四個關鍵問題[N];中國婦女報;2006年

2 黃峰 陳園園;提高地方國庫現(xiàn)金流量預測效率[N];金融時報;2016年

3 ;全國大學生云開發(fā)大賽決出勝負[N];文匯報;2018年

4 記者 夏祖軍;突破制約現(xiàn)金管理體制難點[N];中國財經(jīng)報;2013年

5 王麟;理財要有前瞻性[N];中國財經(jīng)報;2004年

6 周楠;API系統(tǒng)推廣一周年助旅客通關提速效果顯著[N];中國國門時報;2009年

相關博士學位論文 前10條

1 趙其剛;基于流量預測的下一代網(wǎng)絡動態(tài)QoS研究[D];西南交通大學;2005年

2 于萬霞;基于流量預測的城市單交叉路口多相位交通信號的控制技術[D];河北工業(yè)大學;2008年

3 郭秉義;綠色通信網(wǎng)絡的節(jié)能方法研究[D];華南理工大學;2014年

4 楊雙懋;無線網(wǎng)絡中的流量預測與MAC算法研究[D];電子科技大學;2012年

5 肖政宏;無線傳感器網(wǎng)絡異常入侵檢測技術研究[D];中南大學;2012年

6 李榮鵬;面向綠色蜂窩網(wǎng)的流量預測分析與智能化基站管理策略研究[D];浙江大學;2015年

7 郭通;基于自適應流抽樣測量的網(wǎng)絡異常檢測技術研究[D];解放軍信息工程大學;2013年

8 張曉利;基于非參數(shù)回歸的短時交通流量預測方法研究[D];天津大學;2007年

9 高波;基于時間相關的網(wǎng)絡流量建模與預測研究[D];哈爾濱工業(yè)大學;2013年

10 夏鴻斌;計算智能方法及在網(wǎng)絡優(yōu)化和預測中的研究[D];江南大學;2009年

相關碩士學位論文 前10條

1 曾霄笑;基于改進RNN及密度聚類的異常流量檢測方法[D];北京郵電大學;2019年

2 王語喬;基于機器學習的城域網(wǎng)流量預測與業(yè)務重構技術研究[D];北京郵電大學;2019年

3 郭珊宜;基于SDN和NFV的寬帶光接入?yún)R聚網(wǎng)節(jié)能技術研究[D];北京郵電大學;2019年

4 戴文倩;基于生成對抗網(wǎng)絡的流量預測研究[D];上海師范大學;2019年

5 王雪菲;基于高速公路大數(shù)據(jù)的流量預測問題研究[D];北方工業(yè)大學;2019年

6 譚宇婷;大數(shù)據(jù)環(huán)境下基于共性交通態(tài)勢尋覓短時流量預測研究[D];重慶交通大學;2018年

7 李洋;超密集無線網(wǎng)絡中基于業(yè)務流量預測的負載均衡技術研究[D];西安電子科技大學;2018年

8 李偉民;超密集無線網(wǎng)絡業(yè)務流量預測及其應用[D];西安電子科技大學;2018年

9 陳uGq

本文編號：2615735