一种新的基于ARIMA-SVM网络流量预测研究.pdfVIP

第29卷第5期 计 算 机 应 用 研 究 V01．29 No．5 2012年 5月 ApplicationResearchofComputers Mav2012 一 种新的基于 ARIMA—SVM 网络流量预测研究 邵 忻 (天津外国语大学 教育技术与信息学院，天津300204) 摘 要：研究网络流量预测精度 问题 ，网络流量受多种因素的综合影响，其变化具有周期性、非线性和随机性等 特点，将 ARIMA模型和 SVM模型相结合建立一种网络流量预测模型。采用 ARIMA预测网络流量周期性和线 性变化趋势；然后采用SVM对 网络流量非线性和随机性趋势进行拟合；最后将两者结果再次输入 SVM进行融 合，得到网络流量最终预测结果。采用具体网络流量数据对模型性能进行测试，仿真结果表 明，ARIMA—SVM提 高了网络流量预测精度，降低 了预测误差，能更全面刻画网络流量变化规律。 关键词：自回归滑动平均模型 (ARIMA)；支持向量机 (SVM)；网络流量；预测 中图分类号：TP391 文献标志码 ：A 文章编号：l001—3695(2012)05—1901—03 doi：10．3969／j．issn．1001—3695．2012．05．080 ApplicationofARIMA—SVM modelinnetworktrafficprediction SHA0 Xin (CollegeofEducationalTechnology＆Information，TinnjinForeignStudiesUniversity，Tianjin300204，China) Abstract：Networkflow iSaffectedbymanyfactors，itschangeiScyclical，nonlinearandstochasticcharacteristics．Thispa— perusedARIMA modelandSVM modeltoestablishanetwork trafficpredictionmode1．ItusedARIMA forecastingnetwork trafficcyclicandlineartrend．andthenusedSVM tonetworkflownonlinearandstochastictrendfitting．Atlasttworesultsa— gainenteredtheSVM integration．networktraffichadbeenthefinalpredictionresults．Byusingnetworkflow dataformodel performancetest．simulationresultsshowthat ARIMA—SVM increasesnetworktrafficpredictionaccuracy，reducesthepredic— tionerror．anditcallfullycharacterizenetworktrafficvariation． Keywords：ARIMA(autoregressiveintegratingmovingaverage)；SVM(supportvectormachine)；networktraffic；prediction 个变化十分复杂的系统，仍然采用单一预测模型进行预测，只 0 引言 能反映网络流量的部分变化规律，预测结果与实际流量之间差 距 比较大 。 随着 Internet发展，网络用户增多，信息流量增大，网络规