粗粒度网络流量的灰色模型预测.PDFVIP

２０１０年２月 北 京 邮 电 大 学 学 报 Ｆｅｂ．２０１０ 第 ３３卷 第 １期 ＪｏｕｒｎａｌｏｆＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｖｏｌ．３３Ｎｏ．１ 　　文章编号：１００７５３２１（２０１０）０１０００７０５ 粗粒度网络流量的灰色模型预测 １ １ １，２ １ 孙韩林 ，　金跃辉 ，　崔毅东 ，　程时端 （１北京邮电大学 网络与交换技术国家重点实验室，北京 １００８７６；２北京邮电大学 信息与通信工程学院，北京 １００８７６） 摘要：在实际网络流量上研究了新陈代谢灰色模型（ＭＧＭ）预测流量．预测结果表明，灰色模型建模长度远小于流 量序列主周期长度时，预测精度较高．灰色模型预测流量宜采用小量数据建模，此时残差修正对提高预测精度影响 很小，预测不需采用残差灰色模型（ＲＧＭ）．对比了灰色模型与自回归综合滑动平均模型（ＡＲＩＭＡ）和 Ｅｌｍａｎ神经网 络（ＥＮＮ）模型的预测结果，灰色模型远优于ＡＲＩＭＡ，与 ＥＮＮ相当．灰色模型的优点是能自适应网络流量的变化． 关　键　词：网络流量预测；灰色理论；灰色模型 中图分类号：ＴＮ９１１２２　　　　文献标志码：Ａ ＬａｒｇｅＴｉｍｅＳｃａｌｅＮｅｔｗｏｒｋＴｒａｆｆｉｃＳｈｏｒｔＴｅｒｍＰｒｅｄｉｃｔｉｏｎｂｙＧｒｅｙＭｏｄｅｌ １ １ １，２ １ ＳＵＮＨａｎｌｉｎ，　ＪＩＮＹｕｅｈｕｉ，　ＣＵＩＹｉｄｏｎｇ ，　ＣＨＥＮＧＳｈｉｄｕａｎ （１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｅｔｗｏｒｋｉｎｇａｎｄＳｗｉｔｃｈｉｎｇＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ１００８７６，Ｃｈｉｎａ； ２ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ１００８７６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｍｅｔａｂｏｌｉｃｇｒｅｙｍｏｄｅｌ（ＭＧＭ）ｉｓｉｎｖｅｓｔｉｇａｔｅｄｆｏｒｎｅｔｗｏｒｋｔｒａｆｆｉｃｐｒｅｄｉｃｔｉｏｎ．Ｉｔｉｓｓｈｏｗｎ ｔｈａｔ，ｗｈｅｎｔｈｅＭＧＭｍｏｄｅｌｉｎｇｌｅｎｇｔｈｉｓｓｈｏｒｔｅｒｔｈａｎｔｈｅｔｒａｆｆｉｃｐｒｉｍａｒｙｐｅｒｉｏｄｌｅｎｇｔｈ，ｔｈｅａｃｃｕｒａｃｙｉｓ ｓａｔｉｓｆａｃｔｏｒｙ．ＳｍａｌｌｍｏｄｅｌｉｎｇｌｅｎｇｔｈＭＧＭｉｓｐｒｅｆｅｒｒｅｄ．Ｒｅｓｉｄｕａｌｇｒｅｙｍｏｄｅｌ（ＲＧＭ）ｉｓｎｏｔｎｅｅｄｅｄｆｏｒｉｔｓ ｃｏｎｔｒｉｂｕｔｉｏｎｔｏａｃｃｕｒａｃｙｉｍｐｒｏｖｅｍｅｎｔｉｓｌｉｍｉｔｅｄ．ＴｈｅｐｒｅｄｉｃｔｉｏｎｏｆＭＧＭ，ａｕｔｏｒｅｇｒｅｓｓｉｖｅｉｎｔｅｇｒａｔｅｄｍｏｖ ｉｎｇａｖｅｒａｇｅ（ＡＲＩＭＡ）ａｎｄＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋ（ＥＮＮ）ａｒｅｃｏｍｐａｒｅｄ．ＴｈｅＭＧＭａｃｃｕｒａｃｙｉｓｂｅｔｔｅｒｔｈａｎ ｔｈｅＡＲＩＭＡｓ，ａｎｄｅｑｕａｌｓｔｏｔｈｅＥＮＮｓ．Ｆｕｒｔｈｅｒｍｏｒｅ，ＭＧＭｉｓａｄａｐｔｉｖｅｔｏｔｒａｆｆｉｃｃｈａｎｇｅｓ． Ｋｅｙｗｏｒｄｓ：ｎｅｔｗｏｒｋｔｒａｆｆｉｃｐｒｅｄｉｃｔｉｏｎ；ｇｒｅｙｔｈｅｏｒｙ；ｇｒｅｙｍｏｄｅｌ 小波分解的模型［４］． ０　引言 网络中１条链路或路径流量的影响因素很多， 网络流量预测方法可分为单一模型预测和组合 这些因素不完全明确或无法量化，因而流量可以看 模型预测，组合模型综合了２种或 ２种以上单一模