基于多重分数差分和AR模型的网络流量预测.pdfVIP

第 期 计 算 机 技 术 与 发 展 VO1．19 Nt)．3 2009年 3月 (、()MPUn It IECHNOl』X Y AN1)DEVEII’)l～1ENT Mill． 20119 基于多重分数差分和AR模型的网络流量预测 汪志勇，邱晓红 (江西师范大学计算机信息工程学院，江西 南昌 330022) 摘 要 ：网络流量的分析、模型仿真以及流量的预测，在网络管理和设计 中起着很重要 的作用，提出了一种利用多重分数 差分与 自回归模型进行网络流量建模和预测的新方法。通过多重分数差分的消除长相关序列中的长相关特性，得到多条 短相关信号和一条趋势项，分别利用AR模型进行定阶、参数估计及预测操作，用实际网络流量对该模型进行验证，实验表 明，该方法比传统的预测方法具有更好的预测效果。 关键词 ：长相关；自相似；AR模型；分数差分 中图分类号：TP393 文献标识码：A 文章编号：1673—629X(20o9)03—0084—03 NetworkTrafficPrediclionBasedonM ulti。_。Fractional DifferenceandAR M odel WANGZhi—yong，QIU Xiao-hong (Sclx~lofComputerandInformationEngineering，JiangxiNommlUniversity，Nanchang330022，China) Abstract：Trafficanalysis，modelssimulationandpredictionplayaveryimportna t inthenetworkmanagementanddesign．A new methodtOmodelandpredictnetworktrafficbasedonmulti—fractionaldifferencenadARmodelwaswopo~ inthispaper．Multi—frac— tionaldifferencecallremovelong—rangecorrelationfromtheLRDtracenaddecomlx~esitintoseveralSRDtraces,rodonetrend—trace ． respectivelyu ARmodelinfix—orders，parametersestimationtoprdeicttraffic。Experimentsofrealnetwo rktrafficillustratethatthe predictionresultsusingourmethodayebetterthna thetraditionalmodels． KeywOIs：long—rangedependence；self—similarity；ARmodel；fractionaldifference 0 引 言 更高的准确度．从而也说明了分数差分在预测过程中 大量的研究发现 ．2]，网络流量的某些特性 已远 的作用是明显的。 远超出了传统排队论中泊松和马尔可夫流量模型的框 架 ，用线性方法来预测非线性的网络流量在理论上就 1 分数差分 存在不足，因此将非线性问题转化为线性问题以成为 1．1 分数差分的数学描述 网络流量的热点研究领域之一。 为了消除实际的网络流量数据中的长相关性，降 分数差分 (FractionalDifference)作一种能有效削 低模型的阶数，需要对原始的时间序列 ．xf= {z1，2， 除网络流量中的长相关特性的数学工具而在网络流量 3，…，．17，}进行分数差分，得到只有