時間序列預(yù)測在流媒體服務(wù)中的應(yīng)用研究.pdf

1、流媒體系統(tǒng)常常因為同時實時處理大量用戶服務(wù)，而耗費大量的資源和能源，譬如網(wǎng)絡(luò)帶寬和電力能源。不管是為了節(jié)省本身系統(tǒng)開支還是世界能源危機(jī)，為流媒體系統(tǒng)開發(fā)節(jié)省帶寬資源和服務(wù)器能源的方案越來越有必要；而在進(jìn)一步開發(fā)具體方案之前，對帶寬需求和服務(wù)器負(fù)載的預(yù)測成了首要解決的問題。因此，本論文提出并解決下面兩個問題：1)如何基于視頻跡文件的數(shù)據(jù)來預(yù)測視頻服務(wù)對于網(wǎng)絡(luò)帶寬的需求；2)如何基于視頻服務(wù)器上的日志文件數(shù)據(jù)來預(yù)測服務(wù)器負(fù)載的變化。

2、　　 為了解決這兩個問題，本文分別用圖像組聚合層大小和服務(wù)器日承載用戶量作為衡量網(wǎng)絡(luò)帶寬需求量和服務(wù)器負(fù)載的指標(biāo)，并且分別從視頻跡文件和服務(wù)器日志文件中選取樣本數(shù)據(jù)，進(jìn)而分別為它們各自提出了一套預(yù)測方案。這兩個預(yù)測方案都是基于時間序列建模和預(yù)報的一套理論和方法，在這套時間序列分析法中，我們提出了一個核心的ARMA模型擬合算法，并且在使用這個算法之前，都對樣本數(shù)據(jù)進(jìn)行了分析繪圖、趨勢項和季節(jié)項分離、平穩(wěn)化和零均值化等可逆預(yù)處理過程；而在

3、算法之后，都基于算法得到的平穩(wěn)過程模型進(jìn)行了預(yù)報，并且最終基于這些預(yù)報結(jié)果對未來數(shù)據(jù)進(jìn)行了預(yù)測。
　　 盡管問題一和問題二的兩套預(yù)測方案都基本上沒有脫離以上時間序列分析法的一般步驟，尤其是解決問題二的預(yù)測方案因為具有明顯的周期性而相對簡單，但是在解決具體問題的過程中我們往往根據(jù)具體的需要而提出并實施一些特殊的數(shù)據(jù)處理。具體來說，問題一的預(yù)測方案中在運行ARMA模型擬合算法前，我們?yōu)榱似椒€(wěn)化源樣本數(shù)據(jù)而特地提出了一個比較有效的可逆

4、初變換，并且該變換根據(jù)實驗結(jié)果而一步步改進(jìn)成了最終的一個多步動態(tài)預(yù)測機(jī)制。這種特殊的數(shù)據(jù)處理，為我們不斷豐富和完善上述時間序列分析理論和方法帶來了更多實際操作經(jīng)驗。
　　 在提出這兩套預(yù)測方案的過程中，我們針對問題一和問題二各自設(shè)計了多個實驗，實驗結(jié)果表明我們的這兩套預(yù)測方案都有效而精度較高，都能夠捕捉到歷史數(shù)據(jù)的變化特征和趨勢，也就是說問題一和問題二都基本得到了較好的解決。特別是問題一的預(yù)測方案相對于世界上其他相關(guān)工作，不需要