基于多種網(wǎng)絡模型混合的流量預測技術研究.pdf

1、網(wǎng)絡流量預測是采用一定的預測模型，根據(jù)收集的網(wǎng)絡流量變化數(shù)據(jù)對將來某一時刻網(wǎng)絡流量進行預測，為網(wǎng)絡管理員掌握網(wǎng)絡運行狀況提供一定指導。
　　傳統(tǒng)網(wǎng)絡流量預測方法有線性回歸模型、泊松模型、馬爾可夫模型和時間序列預測模型，由于網(wǎng)絡流量數(shù)據(jù)是實質(zhì)上一種時間序列，因此時間序列模型是最為常用的傳統(tǒng)模型。近些年來，非線性預測理論進行深入的發(fā)展，出現(xiàn)了像神經(jīng)網(wǎng)絡、支持向量機等機器學習方法，并將它們應用于網(wǎng)絡控制管理中。
　　論文首先研究和

2、分析了小波變換技術和當前幾種常用的網(wǎng)絡預測模型。通過研究我們發(fā)現(xiàn)時間序列分析是傳統(tǒng)網(wǎng)絡流量模型的基礎。借助這個特點，傳統(tǒng)流量模型在平穩(wěn)序列方面擁有良好的預測能力。但是在網(wǎng)絡日益復雜化的今天，網(wǎng)絡流量開始出現(xiàn)不平穩(wěn)的特點，這樣，傳統(tǒng)網(wǎng)絡模型在預測能力上就表現(xiàn)得力不從心了。通過對小波技術的研究討論，我們發(fā)現(xiàn)小波技術可以對具備長程依賴性的流量數(shù)據(jù)作去相關處理，可以將在時域不好處理的問題轉變到頻域中來。小波技術的這種多分辨的特點可以高效地處理因

3、網(wǎng)絡流量的突發(fā)性，相似性，自相關特性等等糾結在一起造成的復雜情況。雖然被小波技術逐層解構到不同的頻域上的信號變得單一，但是卻更加平滑。
　　因此本文提出了一種混合模型設計方案。首先將信號分解成線性部分和非線性部分，然后分別利用針對性的模型加以預測和分析，最后合并得到最終預測結果。這里只要指通過引入小波技術，并將其與傳統(tǒng)流量模型結合，這樣就可以充分將傳統(tǒng)流量模型在平穩(wěn)序列預測方面精度上的優(yōu)勢發(fā)揮出來。首先利用小波分解技術將非平穩(wěn)時間

4、序列分解成適當?shù)牟煌l段上的多個平穩(wěn)時間序列，隨后利用傳統(tǒng)網(wǎng)絡流量模型對這平穩(wěn)時間子序列分別建模，最后將子序列在原尺度上恢復并獲得預測結果。
　　在引進小波分解技術提高預測精度的同時，我們意識到，如果對分解層數(shù)分別建模，這樣的方法將會嚴重影響到時間的復雜度。因此本文考慮利用合適的流量預測模型，盡可能減少建模次數(shù)。這種方法的前提是相似序列的特性平穩(wěn)，平穩(wěn)序列進行代數(shù)運算仍然是平穩(wěn)的，因而仍然可以得到合理的最終結果，實驗證明，預測精度