1、“.....从图形可以直观看出，这两个模型具有相对可靠地准确性稿。模型模型全称为差分自回归移动平均模型，是由博克思和詹金斯于年代初提出的著名时间序列预测方法。所谓模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。基于神经网络技术的网络故障预测论文原稿小组提出，是种多层前向型网络。其神经元的传递时型函数，输出量为的连续量，它可以实现输入到输出的任意非线性映射。神经元的传输函数为非线性函数，常用的函数为函数和函数，输出层则采用线性函数。如图所示。感知器神经网络......”。

2、“.....即平稳性和线性非线性。描述宽带网络的时间序列是由于其特性，即高水平的波动多引起的非平稳性所决定的。在系统中的变量都是线性的和非线性的，个时间序列的线性非线性决定哪种模型会更有效地预测时间序列的结果，最终确定的最终实施的最佳模式杂性使得难以准确地诊断可能会导致更高的重复数的问题故障。同时在用户被引入通过感知和报告故障的随机分量的数量和复杂性的增加，个宽带网络中发生的故障可以看作是个时间序列。时间系列描述宽带故障的特点是事件发生的随机性，事件復杂性以及事件数量庞大，这就使得到的时间序网络故障最常见的表现是服务完全中断，下行带宽低，无法访问网站......”。

3、“.....无法建立个电话呼叫等。最能够反映网络服务质量的参数是，减少故障的发生也就是提高发生故障之间的平均时间是运营商对于网络改进的重点。国内外的运营商也正在开发中运营支持客户的工作活动以及之后形成每周模型。本文对每分钟，每小时，每天，每周序列进行了分析，为实际应用提供了足够的选择。图显示了个例子系列描述的是故障发生在分钟的时间间隔，采样的总时间为分钟。般情况下，该序列具有可识别的形式，然而像诸如如核心网元发生故障或雷雨可以显在些特定的网络故障事件发生时，无法预警。通过测量噪声的水平，我们确定了模型中所需的变量和其复杂度。描述时间序列有两个相关的变量......”。

4、“.....描述宽带网络的时间序列是由于其特性，即高水平的波动多引起的非平稳性所决定的。在系统中的变量都是线性的和非线间隔时间比传统的非宽带网络低倍，也就是是说网络故障发生的频率远高于传统的电话网络。另方面，网络的复杂性使得难以准确地诊断可能会导致更高的重复数的问题故障。同时在用户被引入通过感知和报告故障的随机分量的数量和复杂性的增加，个宽带网络中发生的故障可以看作是个时间性函数，常用的函数为函数和函数，输出层则采用线性函数。如图所示。网络故障最常见的表现是服务完全中断，下行带宽低，无法访问网站，拨打电话时的噪音，无法建立个电话呼叫等。最能够反映网络服务质量的参数是......”。

5、“.....使其不可识别。关键词网络故障神经网络自回归移动平均法非线性系统引言宽带电信网络现已经大规模的市场化，虽然网络服务的质量直在不断提高，但是网络故障的不断发生，仍然是电信运营商所必须关注的问题。基于神经网络技术的网络故障预测论文原稿。述它表征的系统。关键词网络故障神经网络自回归移动平均法非线性系统引言宽带电信网络现已经大规模的市场化，虽然网络服务的质量直在不断提高，但是网络故障的不断发生，仍然是电信运营商所必须关注的问题。基于神经网络技术的网络故障预测论文原稿......”。

6、“.....。感知器神经网络网络是神经网络中研究的个重点，它们具有很强的分类能力，它能解决模式分布非常复杂的分类问题。它由部分组成组感知单元组成输入层层计算节点的隐含层层计算节点的输出层。第层的激活函数为对数的，个时间序列的线性非线性决定哪种模型会更有效地预测时间序列的结果，最终确定的最终实施的最佳模式。线性的时间序列可以使用自回归模型，例如或来描述，而非线性的时间序列则更适合用神经网络的非线性激活函数来描述。本文的目的是为了找到最合适的模型来列。时间系列描述宽带故障的特点是事件发生的随机性，事件復杂性以及事件数量庞大，这就使得到的时间序列具有较高的过程噪声......”。

7、“.....时间序列中的噪声是必然是很多没有观察到的变量所导致的。监视系统的不完善性表明其预警的模糊性，不准确性，同时也可能导致的发生也就是提高发生故障之间的平均时间是运营商对于网络改进的重点。国内外的运营商也正在开发中运营支持系统和业务支持系统，目的为了分析大量来自网络的可用数据。但是由于服务复杂度，较长的平均服务时间和更多终端设备的实例，与传统的电话网络相比，宽带接入网络的平均故形函数，第层激活函数为线性函数。如图所示。神经网络神经网络是年由和为首的科学家小组提出，是种多层前向型网络。其神经元的传递时型函数，输出量为的连续量......”。

8、“.....神经元的传输函数为非基于神经网络技术的网络故障预测论文原稿吴昕慧基于神经网络的铁路客运量优化预测计算机仿真，李楠，曾兴雯基于和神经网络的时间序列预测西安邮电学院学报，汪远征，徐雅静多元平稳时间序列模型的应用统计与决策，张德丰神经网络应用设计北京机械工业出版社，周开利，康耀红神经网结束语本文的主要目的是比较不同的预测方法对于宽带网络故障的短期和长期预测。研究的结果表明动态递归神经网络优于静态神经网络。此外，传统的预测方法，无法实现神经网络的准确性预测，这证实了在电信网络中大多数故障的非线性特征的假说......”。

9、“.....包括移动平均过程自回归过程自回归移动平均过程以及过程。模型的基本思想是将预测对象随时间推移而形成的数据序列视为个随机序列，用定的数学模型来近似描述这个序列。这个模型旦被识别后就可以从时络是神经网络中研究的个重点，它们具有很强的分类能力，它能解决模式分布非常复杂的分类问题。它由部分组成组感知单元组成输入层层计算节点的隐含层层计算节点的输出层。第层的激活函数为对数形函数，第层激活函数为线性函数。如图所示。基于神经网络技术的网络故障预测论文线性的时间序列可以使用自回归模型，例如或来描述，而非线性的时间序列则更适合用神经网络的非线性激活函数来描述......”。