www.e4938.cn-老师你下面太紧了拔不出来,99re8这里有精品热视频免费,国产第一视频一区二区三区,青青草国产成人久久

<button id="60qo0"></button>

<strike id="60qo0"></strike>
<del id="60qo0"></del>
<fieldset id="60qo0"><menu id="60qo0"></menu></fieldset>
  • 基于深度學(xué)習(xí)的電力業(yè)務(wù)通信帶寬需求預(yù)測(cè)方法

    2018-03-28 21:41:21 《電力信息與通信技術(shù)》微信公眾號(hào)  點(diǎn)擊量: 評(píng)論 (0)
    基于電力業(yè)務(wù)需求的通信帶寬預(yù)測(cè)是保障通信暢通,提高帶寬使用率的關(guān)鍵技術(shù)之一。文章依托某省電力公司,在選取典型業(yè)務(wù)作為原有業(yè)務(wù)和新型業(yè)務(wù)帶寬需求分析的基礎(chǔ)上,利用主元分析法簡(jiǎn)化影響通信帶寬預(yù)測(cè)的影響因素?cái)?shù)量,基于深度學(xué)習(xí)中的RBM模型預(yù)測(cè)電力業(yè)務(wù)需求的通信帶寬流量,相

    14],并將簡(jiǎn)化后的數(shù)據(jù)送入深度學(xué)習(xí)預(yù)測(cè)網(wǎng)絡(luò)。

    主元分析法是多元統(tǒng)計(jì)分析中常用的方法之一,是在一定相依關(guān)系的N個(gè)參數(shù)的M個(gè)樣本值所構(gòu)成的數(shù)據(jù)陣列基礎(chǔ)上,通過(guò)建立較小數(shù)目的綜合變量,使其更集中地反映原來(lái)N個(gè)參數(shù)中所包含的變化信息。按照數(shù)據(jù)變化的方差大小確定變化方向的主次地位,按照主次順序得到互不關(guān)聯(lián)的各主元素,通過(guò)這種方法降低數(shù)據(jù)分析的復(fù)雜程度[15-16]

    采用主元分析法簡(jiǎn)化電力通信帶寬預(yù)測(cè)影響因素?cái)?shù)據(jù),其具體實(shí)現(xiàn)過(guò)程如下:

    1)獲取帶寬預(yù)測(cè)影響因素的歷史數(shù)據(jù)初始矩陣;

    2)計(jì)算初始矩陣的相關(guān)系數(shù)矩陣,其方程如下:

     ,rij為相關(guān)系數(shù)矩陣的第i行第j列數(shù)據(jù),xij為原始矩陣中第i行第j列數(shù)據(jù),n為數(shù)據(jù)矩陣中的行(時(shí)間),m為影響因素個(gè)數(shù);

    3)計(jì)算影響因素相關(guān)系數(shù)矩陣的特征根、特征向量;

    4)計(jì)算前q個(gè)主元的累計(jì)貢獻(xiàn)率G(q),當(dāng)G(q)>85%時(shí),對(duì)應(yīng)的q就是抽取的前q個(gè)主成分,其中:

    圖2圖2 預(yù)測(cè)流量與實(shí)際流量對(duì)比Fig. 2 Comparison between prediction data and the original data

    圖2中,本業(yè)務(wù)系統(tǒng)的預(yù)測(cè)結(jié)果基本與真實(shí)結(jié)果相近,能夠充分反映該業(yè)務(wù)在該時(shí)段的變化趨勢(shì),預(yù)測(cè)誤差較小。

    由于業(yè)務(wù)系統(tǒng)具有相似性,可以基于上述典型流量模型建立其余業(yè)務(wù)流量預(yù)測(cè)模型。由于典型模型是單用戶流量模型,因此為了提高帶寬流量總體預(yù)測(cè)的準(zhǔn)確性,還需要考慮網(wǎng)絡(luò)承載的活躍用戶數(shù)。普通業(yè)務(wù)活躍用戶的比例大概在0.5%~0.6%,選取最大比例0.6%進(jìn)行預(yù)估,特殊業(yè)務(wù)占用量比例較大,選取10%。

    將多業(yè)務(wù)流量預(yù)測(cè)模型擬合在一起,能夠預(yù)測(cè)出該省四級(jí)綜合數(shù)據(jù)網(wǎng)的網(wǎng)絡(luò)通信帶寬需求,即網(wǎng)-省-地-縣-所。以管理信息化業(yè)務(wù)、視頻會(huì)議/語(yǔ)音業(yè)務(wù)以及互聯(lián)網(wǎng)業(yè)務(wù)某日預(yù)測(cè)流量為例,將采用RBM算法預(yù)測(cè)的流量結(jié)果與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行比較。通信網(wǎng)絡(luò)帶寬需求預(yù)測(cè)結(jié)果見(jiàn)表1所列。

    表1 通信網(wǎng)絡(luò)帶寬需求預(yù)測(cè)結(jié)果Tab.1 The prediction results of electric power communication network requirement

    表1可知,采用RBM預(yù)測(cè)算法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)相比,有以下結(jié)論。

    1)相對(duì)于BP神經(jīng)網(wǎng)絡(luò),本文預(yù)測(cè)模型的通信網(wǎng)絡(luò)帶寬流量預(yù)測(cè)誤差較低,預(yù)測(cè)精度有所提高,主要是由于深度學(xué)習(xí)法可以利用更多的歷史數(shù)據(jù)樣本擬合預(yù)測(cè)曲線,提高預(yù)測(cè)精度。同時(shí)相較于地-縣-所的帶寬流量預(yù)測(cè)誤差,主干綜合數(shù)據(jù)網(wǎng)絡(luò)帶寬預(yù)測(cè)精度更高,這是由于基于深度學(xué)習(xí)的預(yù)測(cè)模型輸入數(shù)據(jù)越多,預(yù)測(cè)精度也越高。

    2)相對(duì)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,本文利用主元分析法減少了模型輸入維數(shù),簡(jiǎn)化了模型輸入節(jié)點(diǎn),在保證足夠的輸入節(jié)點(diǎn)數(shù)和預(yù)測(cè)精度的同時(shí),還能使算法最快收斂,且訓(xùn)練時(shí)間明顯減少,加快了電力通信網(wǎng)絡(luò)帶寬流量預(yù)測(cè)模型的建模速度,結(jié)果更優(yōu)。

     5 結(jié)語(yǔ)

    本文提出了一種基于深度學(xué)習(xí)的電力業(yè)務(wù)通信帶寬預(yù)測(cè)方法,依托某省電力公司,首先對(duì)電力通信網(wǎng)絡(luò)承載的業(yè)務(wù)進(jìn)行分析,選取典型業(yè)務(wù)作為原有業(yè)務(wù)和新型業(yè)務(wù)帶寬需求分析的基礎(chǔ)模型,分類統(tǒng)計(jì)其歷史數(shù)據(jù),并確定其影響體系數(shù)據(jù)。利用主元分析法對(duì)影響通信帶寬預(yù)測(cè)的影響因素體系數(shù)據(jù)進(jìn)行簡(jiǎn)化,在此基礎(chǔ)上,采用深度學(xué)習(xí)中的RBM模型對(duì)簡(jiǎn)化后的影響因素體系數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行電力業(yè)務(wù)需求的通信帶寬預(yù)測(cè),預(yù)測(cè)某省電力公司下一階段電力業(yè)務(wù)需求的通信帶寬,有效地提高了業(yè)務(wù)流量測(cè)算的準(zhǔn)確性,保證了該省各級(jí)通信網(wǎng)基礎(chǔ)設(shè)施投資的科學(xué)性和合理性,可為電力公司下一階段的數(shù)據(jù)網(wǎng)建設(shè)提供參考。

    (編輯:鄒海彬)

    參考文獻(xiàn)

    [1] 趙子巖, 胡浩. 一種基于業(yè)務(wù)斷面的智能配用電通信網(wǎng)業(yè)務(wù)流量計(jì)算方法[J]. 電網(wǎng)技術(shù), 2011, 35(11): 12-17.

    ZHAO Zi-yan, HU Hao.A new service section based method to calculate service data flow of communication network for smart power distribution and utilization system[J]. Power System Technology, 2011, 35(11): 12-17.

    [2] 李文偉. 電力數(shù)據(jù)通信網(wǎng)的業(yè)務(wù)流量分析[D]. 上海: 上海交通大學(xué), 2007.

    [3] 張賓, 楊家海, 吳建平. Internet流量模型分析與評(píng)述[J]. 軟件學(xué)報(bào), 2011, 22(1): 115-131.

    ZHANG Bin, YANG Jia-hai, WU Jian-ping.Survey and analysis on the Internet traffic model[J]. Journal of Software, 2011, 22(1): 115-131.

    [4] MORATO D, ARACIL J, DIEZ L A, et al.On linear prediction of Internet traffic for packet and burst switching networks[C]// 10th International Conference on Computer Communications and Networks, 2001: 138-143.

    [5] 杜潔. 基于神經(jīng)網(wǎng)絡(luò)的電力數(shù)據(jù)通信網(wǎng)絡(luò)帶寬需求預(yù)測(cè)分析[C]// 2015年中國(guó)電機(jī)工程學(xué)會(huì)年會(huì)論文集, 2015: 1-6.

    [6] 曾維歡, 魏明海, 楊儲(chǔ)華, . 基于需求預(yù)測(cè)的陜西電力通信網(wǎng)發(fā)展規(guī)劃研究[J]. 陜西電力, 2010, 38(6): 19-22.

    ZENG Wei-huan, WEI Ming-hai, YANG Chu-hua, et al.Shaanxi electric power communication network development & plan based on demand prediction[J]. Shaanxi Electric Power, 2010, 38(6): 19-22.

    [7] 胡楠, 王劍, 滕飛, . 基于信息通信融合的電力業(yè)務(wù)模型研究[J]. 通訊世界, 2016(18): 147-148.

    [8] 吳博. 邢臺(tái)電網(wǎng)通信網(wǎng)絡(luò)系統(tǒng)可靠性研究[D]. 北京: 華北電力大學(xué), 2013.

    [9] 孫志軍, 薛磊, 許陽(yáng)明, . 深度學(xué)習(xí)研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2012, 29(8): 2806-2810.

    [10] DJURDJEVIC P D, HUBER M.Deep belief network for modeling hierarchical reinforcement learning policies[C]//Proceedings of 2013 International Conference on Systems , Man and Cybernetics, 2013: 2485-2491.

    [11] 鄭毅, 朱成璋. 基于深度信念網(wǎng)絡(luò)的PM2. 5預(yù)測(cè)[J]. 山東大學(xué)學(xué)報(bào)(工學(xué)版), 2014, 44(6): 19-25.

    ZHENG Yi, ZHU Cheng-zhang.A prediction method of atmospheric PM2. 5 based on DBNs[J]. Journal of Shandong University(Engineering Science), 2014, 44(6): 19-25.

    [12] LIU J W, CHI G H, LIU Z Y, et al.Predicting protein structural classes with autoencoder neural networks[C]//Control and Decision Conference. IEEE, 2013: 1894-1899.

    [13] 張鵬軍, 李平康. 基于主元分析的火電廠DCS監(jiān)視控制系統(tǒng)優(yōu)化研究[J]. 現(xiàn)代電力, 2008, 25(3): 64-68.

    ZHANG Peng-jun, LI Ping-kang.Optimization of monitoring and control system of DCS in power plant based on PCA[J]. Modern Electric Power, 2008, 25(3): 64-68.

    [14] 李超然, 肖飛, 劉計(jì)龍, . 復(fù)雜電力電子系統(tǒng)通信網(wǎng)絡(luò)有效能評(píng)估指標(biāo)體系研究[J]. 電源學(xué)報(bào), 2016, 16(2): 1-11.

    LI Chao-ran, XIAO Fei, LIU Ji-long, et al.Research on the efficiency evaluation index system of complex power electronics system communication net[J]. Journal of Power Supply, 2016, 16(2): 1-11.

    [15] 王京茹, 李平康, 鄭宏偉, . 主元分析法在火電廠過(guò)程控制中的應(yīng)用[J]. 儀器儀表學(xué)報(bào), 2004, 25(S1): 1016-1017, 1036.

    WANG Jing-ru, LI Ping-kang, ZHENG Hong-wei, et al.Application of principal component analysis in power plant process control systems[J]. Chinese Journal of Scientific Instrument, 2004, 25(S1): 1016-1017, 1036.

    [16] 李小航. 網(wǎng)絡(luò)業(yè)務(wù)流的特性分析及預(yù)測(cè)技術(shù)研究[D]. 無(wú)錫: 江南大學(xué), 2008.

    • <img data-cke-saved-src=http://www.e4938.cn/uploadfile/2018/0328/20180328102245955.png&quot;" src=http://www.e4938.cn/uploadfile/2018/0328/20180328102245955.png&quot;" "="" style="box-sizing: border-box; padding: 1px; border: 1px solid rgb(204, 204, 204); width: 70px; float: left; margin-right: 1rem;">

      竹瑞博(1987-),男,山西運(yùn)城人,工程師,從事電力通信生產(chǎn)運(yùn)行管理及相關(guān)技術(shù)研究工作;

    • 安毅(1978-),男,山西長(zhǎng)治人,高級(jí)工程師,從事電力通信生產(chǎn)運(yùn)行管理及相關(guān)技術(shù)研究工作;

    • 巫健(1990-),男,山西臨汾人,工程師,從事電力通信生產(chǎn)運(yùn)行管理及相關(guān)技術(shù)研究工作。

     

     

     

    大云網(wǎng)官方微信售電那點(diǎn)事兒

    責(zé)任編輯:售電衡衡

    免責(zé)聲明:本文僅代表作者個(gè)人觀點(diǎn),與本站無(wú)關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí),對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾,請(qǐng)讀者僅作參考,并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。
    我要收藏
    個(gè)贊
    ?
    亚洲中文字幕网站你懂得| 99久久久国产精品免费无卡顿| 成人免费AV一区二区三区| 欧洲无线一线二线三W955| 国产精品原巨作AV无遮挡| 国产一级毛片在线看| 日韩欧国产精品一区综合无码| 亚洲一区二三区好的精华液| 亚洲国产精品VA在线观看香蕉| 99riav9精品香蕉免费大视频|