基于farima的网络流量分形维数的方法研究-计算机应用技术专业论文.docxVIP

}武汉科获大学硕士学位论文 } 武汉科获大学硕士学位论文 第1页 摘 要 Leland和Klivansky等对LAiN及WAN流量进行研究发现网络流量具有自相似性，传 统的流量模型不能完全描述流量的真实特征。自相似性对信元丢失率、网络延迟等系统性 能有重要影响，因此基于自相似模型的研究显得日益重要。其中流量的分形维数的求解问 题是相关研究中的一大难点。 本文由分形自回归整合滑动平均(FAⅪMA)流量模型产生自相似性数据。针对流量 分形维数的求解，本文分别从直接估计和间接估计两个方面进行研究，采用分形分析方法 对产生的业务流进行统计分析，其中重点讨论了变标度极差分析法(R／s)。本文拓展了Hurst 提出的原始的刚s方法，引入广义情况下的刚s概念，对它的计算条件、尺度范围以及系 统误差进行分析。在运用R／S分析数据时，初始标度和最大窗长是影响计算准确度的主要 因素。因为非理想的自相似性分形，只在部分范围内能比较好的拟合成直线，而这个范围 则由初始标度和最大窗长把握。 另外还探讨了聚集过程的方差分析法和基于分形维数的定义的变换分析法的计算条 件和精确度等特点。研究发现，与R／S算法相似，聚集过程的方差分析法也有一定的计算 尺度范围，那就是m序列中元素的范围界限。只有选择恰当的m的大小范围，才能得到 较好的估计结果。经仿真分析观察，由于在较长范围内，流量数据涨落差距的增幅远远小 于矩阵宽度的增幅，变换算法估计得到的结果偏高于实际值，而且计算量较大。此算法不 适合作为流量时间序列的分析工具。 关键词：自相似分形维数R／S分析 第Ⅱ页 第Ⅱ页 武汉科技大学硕士学位论文 Abstraet Through the research of Local Area Network(LAN)and Wide Area Network(WAN) traffic，Leland and Klivansky found the self-similar nature of Network traffic，but traditional network traffie models Can not describe this nature well．Self-similar iS very important to system performance such as Cell Loss Ratio(CLR)，network delay,and SO on，so study of self-similar models is increasingly significant nowadays．One difficulty of study is to estimate traffic fraetal dimension． The paper according to fractal autoregressive integrated moving average(FARIMA) process models network self-similar traffic，estimates fraetal dimension through fractal analysis methods directly and indirectly,and emphasizes on rescaled range(R／S)analysis．The paper develops WS analysis which Was referred by Hurst，and introduces R／S concept in broad SeHse， then analysis and discusses its computing condition．scale range and system elTOL While adopting IVS analysis to study traffic data,initial scale and maximum window size are main factors which influence the computational precision,for nonideal丘actal Can be approximated to beeline well only in some part range，which determined to initial scale and maximum window size． The paper discusses the computing condition and precision of variance-time analysis and variation algorithm