专利名称：一种sfarima网络流量预测方法
技术领域：
本发明是一种网络流量的预测方法，主要用于解决流量预测的延时问题，属于计算机应 用技术领域。
背景技术：
流量预测的问题可以简单概述为已知当甜时刻甜的一组流量数据义,，—,,(/ = 0,l，2A)，则 未来某一时刻的流量X^可由X^,得出。这単的6称为歩长，当& = 1时为单歩预测，&>1时
多歩预测。研究表明80%的网络流量都可预测，预测的准确率与所选取的时间尺度有关，不 同序列对应不同的最佳尺度。这说明了网络流量具有高可预测性。
网络流量预测问题的原理是序列有着相关结构或固定的关系。通常采用的预测方法有线 性的时间序列分析的方法和非线性的时间序列方法。线性的时间序列方法，如FARIMA模型， 是假定序列中存在着线性相关结构；非线性的时间序列方法，如混沌时间序列方法，是假定 序列具有混沌的特性，通过相空间重构来进行预测的。基于小波的流量预测是将序列引入小 波域，因为小波分析适合于处理分平稳序列，经过小波分析后的流量序列不再具有长相关性， 而且更加平滑。基于小波的预测方法也有很多种，如小波神经网络预测，小波回归模型预测。
现有的流量预测方法存在的主要问题有预测误差大、只能实现短期预测、不能实现在 线预测，以及预测有时延。
发明内容
技术问题本发明的目的是提供一种网络流量预测方法，用于解决当前流量预测中的时 延问题。本发明可提高网络流量预测的准确率。
技术方案本发明提出了网络流量预测方法，并设计了预测的算法。本方法通过不断对
估计序列进行时间滑动来补偿时延效应，方法如下-
歩骤l):初始化样本数组FArray，初始化M， N， m的值；步骤2):计算样本数组的自相似指数H; 歩骤3):用AIC准则估计样本数组的阶数；
步骤4):计算ARMA模型参数[p,^hARMA(pbest,qbest); 步骤5):计算系数向量;r,=《;rH+《 _2+A y> 0
其中丌0 =_1,当7. > p + t/日寸^ = 0;
步骤6):用f (W = |>"义,+/1"预测网络流量。 具体过程如下
歩骤一从真实流量序列中提取样本数组，将其命名为FArmy，并初始化三个变量M， N, m的值；
步骤二计算样本数组FArray的自相似指数H，方法可用周期图法、R/S法、小波分析 法等。
歩骤三用AIC准则估计样本数组的阶数。
」/C(",w)= lr^+2("+w+1)/7V (1) 若^/0>,^)= min ATC(w,w)，则确定模型的阶数为(p,q)。其中 < 是相应的ARMA序
列的^的极大似然估计值。也就是说，我们由低到高尝试p，q的值，取能让式(1)取到最小
值的pbest和qbest。由于随着阶数的增大，AIC计算时间呈线性增长。所以这里我们取 pmax=qmax=5进行P介类女估计；
步骤四计算ARMA模型参数[p^^ARMA(pbest,qbest)，方法如下
1)估计自回归部分的参数。根据自回归系数和自相关函数的关系矩阵我们得到
—1
MM
通过样本点和自相关函数的值，我们可以估计出自相关系数。
2)令"=义,-》2X,_2-^X,_3，可以得到"的协方差函数为
<p <A M "p
>—— 2 I 〃<formula>formula see original document page 5</formula>
用z,的协方差估计A代替h得
<formula>formula see original document page 5</formula>
把OU近似看作MA(q)序列，即K = a,-A",—2 ，参数和协方差函数可以写
成下列方程式，我们选取一组初始值进行重复迭代
<formula>formula see original document page 5</formula>
歩骤五计算系数向量 r,=《;rH 2 +A (/ + a j'〉 0
其中；r。 =_1,当7->; +j化=0;
歩骤六用i(/2^^XWi,+^预测网络流量。
7=1 '
图l是SFARIMA预测方法的流程图。
具体实施例方式
首先釆集网络流量，可用WinPc叩等采集工具提取流量序列。实验平台为Matlab7.0，将 捕获到底流量数据作为输入，用本方法进行流量预测，观察输出，并和实际流量进行比较。 通过我们的实际运行和测试，很好的预测了网络流量，消除了预测时延，验证了此方法的准 确性。
权利要求
1.一种SFARIMA网络流量预测方法，其特征在于SFARIMA网络流量预测方法所包含的步骤步骤1)初始化样本数组FArray，初始化M，N，m的值；步骤2)计算样本数组的自相似指数H；步骤3)用AIC准则估计样本数组的阶数；步骤4)计算ARMA模型参数 id="icf0001" file="A2009100272950002C1.tif" wi="49" he="4" top= "70" left = "88" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>步骤5)计算系数向量 id="icf0002" file="A2009100272950002C2.tif" wi="80" he="4" top= "81" left = "74" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>其中π0＝-1，当j＞p+d时 id="icf0003" file="A2009100272950002C3.tif" wi="12" he="4" top= "92" left = "94" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>步骤6)用<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mover> <mi>X</mi> <mo>^</mo></mover><mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mo>∞</mo></munderover><msubsup> <mi>π</mi> <mi>j</mi> <mrow><mo>(</mo><mi>h</mi><mo>)</mo> </mrow></msubsup><msub> <mover><mi>X</mi><mo>^</mo> </mover> <mrow><mi>i</mi><mo>+</mo><mi>h</mi><mo>-</mo><mi>j</mi> </mrow></msub> </mrow>]]></math> id="icf0004" file="A2009100272950002C4.tif" wi="35" he="10" top= "104" left = "52" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>预测网络流量。
全文摘要
本发明提出了网络流量预测方法，并设计了预测的算法。本方法通过不断对估计序列进行时间滑动来补偿时延效应，方法如下步骤一从真实流量序列中提取样本数组，将其命名为FArray，并初始化三个变量M，N，m的值；步骤二计算样本数组FArray的自相似指数H，方法可用周期图法、R/S法、小波分析法等。步骤三用AIC准则估计样本数组的阶数。AIC(n，m)＝lns<sup>2</sup><sub>a</sub>+2(n+m+1)/N (1);若AIC(p，q)＝minAIC(n，m)，则确定模型的阶数为(p，q)；步骤四计算ARMA模型参数[φ，θ]＝ARMA(pbest，qbest)，方法如下(1)估计自回归部分的参数；(2)估计滑动平均系数。步骤五计算系数向量π<sub>j</sub>＝θ<sub>1</sub>π<sub>j-1</sub>+θ<sub>2</sub>π<sub>j-2</sub>+Λ+θ<sub>q</sub>π<sub>j-q</sub>+φ<sub>j</sub> j＞0其中π<sub>0</sub>＝-1，当j＞p+d时φ<sub>j</sub>＝0；步骤六用X(h)＝∑π<sup>h)<sub>j</sup>X#-[t+h-j</sub>预测网络流量。
文档编号H04L12/26GK101599871SQ20091002729
公开日2009年12月9日 申请日期2009年5月27日 优先权日2009年5月27日
发明者丁元彬, 张顺颐, 攀 王, 颜学智 申请人:南京欣网视讯科技股份有限公司