摘要：为全面掌握云机房网络安全的运行状态,预测网络的安全态势,该文设计基于事故树的云机房网络安全态势自动化预测系统。该系统的云机房模块采用日志类传感器采集云机房网络数据,并存储至数据管理模块中,功能模块以存储的数据为依据,通过时间窗口检测存储数据中的异常数据流,采用逐级量化方法计算云机房网络危险度后,利用事故分析法计算云机房网络安全事件重要度,依据该结果即可分析网络未来的变化情况。测试结果可知,该系统具有全面的网络运行相关数据采集能力,网络安全态势的量化效果较好,决定系数结果均在0.022以下;有效实现不同目的IP地址网络的风险态势预测量化分析,可靠掌握云机房网络的安全态势情况。

摘要：针对传统预测模型准确度低、泛化性差的问题,提出基于支持向量机的配电网全域大数据自动化预测模型。在配电网正常运行的情况下,采集全域实时运行数据,并调取该配电网的历史数据。利用聚类划分的方式处理数据采样结果,通过支持向量机的回归处理,分析出配电网全域大数据的特征,从而推断出大数据的变化规律。以数据的特征分析结果为基础,分别得出配地啊暗网全域线损数据、负荷数据以及电能数据的预测结果。经过模型效果测试实验的设计与分析得出实验结论:与传统预测模型相比,设计的配电网全域大数据自动化预测模型的预测误差降低了0.45,具有更高的应用价值。

摘要：话务预测在运行维护中有重要作用,现在3G网络流量增长快,通过话务预测能够实现预警和为网络设计提供扩容建议。在本文中,话务预测是在线性预测模型的基础叠加上同时期模型,计算平台是MATLAB,可以准确预测重要节假目的话务量。利用PHP和SQL实现自动化预测并实现实时网页展示。

摘要：传统用电负荷特性自动化预测无法准确有效反映真实情况,结果准确性较低。为此进行配电网中分行业用电负荷特性自动化预测研究。运用智能用电负荷信息采集系统对分行业用电负荷特性数据进行采集,经过行业分类、数据筛选和归一化等操作完成对原始用电负荷数据的处理,根据各行业用电负荷特性构成比例进行计算,完成自动化预测方法设计,实现对配电网中分行业用电负荷特性的自动化预测。实验数据表明,设计的配电网中分行业用电负荷特性的自动化预测方法与传统预测方法相比更能准确反映真实情况,增强28%准确度,并具备极高的有效性。