基于小波分解和ARIMA的網(wǎng)絡(luò)流量模型.pdf

1、隨著信息化時(shí)代的到來(lái),Internet飛速發(fā)展,各種新的網(wǎng)絡(luò)應(yīng)用層出不窮,導(dǎo)致了各種網(wǎng)絡(luò)問(wèn)題的出現(xiàn),給網(wǎng)絡(luò)監(jiān)測(cè)帶來(lái)巨大的挑戰(zhàn)。網(wǎng)絡(luò)檢測(cè)是保證網(wǎng)絡(luò)正常運(yùn)行的重要手段,合適的網(wǎng)絡(luò)流量模型對(duì)網(wǎng)絡(luò)監(jiān)測(cè)的有效進(jìn)行有著重要的意義。當(dāng)前網(wǎng)絡(luò)流量表現(xiàn)出自相似性,多重分形性等多種復(fù)雜特性,傳統(tǒng)流量模型已無(wú)法滿足需求。
　　 論文分析了傳統(tǒng)網(wǎng)絡(luò)流量模型的特點(diǎn),針對(duì)平穩(wěn)的網(wǎng)絡(luò)流量這些成熟的模型表現(xiàn)出很好的預(yù)測(cè)效果。但是,當(dāng)前網(wǎng)絡(luò)流量因?yàn)楦鞣N復(fù)雜特性的

2、出現(xiàn),普遍表現(xiàn)出不平穩(wěn)的特征,為了解決網(wǎng)絡(luò)流量多種復(fù)雜特性所帶來(lái)的不平穩(wěn)性,引入小波變換技術(shù),利用其多分辨的特性,將網(wǎng)絡(luò)流量的多種復(fù)雜因素分解到不同的尺度上,方便進(jìn)行單獨(dú)的處理。這種利用小波分解將非平穩(wěn)時(shí)間序列分解成適當(dāng)?shù)牟煌l段上的多個(gè)平穩(wěn)時(shí)間序列,在這些平穩(wěn)時(shí)序上做相對(duì)方便高效的處理來(lái)代替對(duì)信號(hào)的統(tǒng)一處理,最終恢復(fù)到原始尺度上的方法,有效的提高了對(duì)真實(shí)網(wǎng)絡(luò)流量的預(yù)測(cè)精度。
　　 引入小波技術(shù)帶來(lái)預(yù)測(cè)精度的同時(shí),因?yàn)閷我粫r(shí)間

3、序列分解成為不同尺度的多組時(shí)間序列,導(dǎo)致了該方法的時(shí)間復(fù)雜度嚴(yán)重惡化,影響了其實(shí)際應(yīng)用。論文通過(guò)對(duì)該方法的詳細(xì)分析和研究,提出了一些改進(jìn)措施,保證在不嚴(yán)重影響預(yù)測(cè)效果的前提下,盡可能的縮短算法的時(shí)間復(fù)雜度。首先,將小波分解所得到的多組網(wǎng)絡(luò)流量的子序列進(jìn)行特征的分析,將在相近頻譜下特征相似的流量子序列進(jìn)行合并,減少子序列的數(shù)量,從而減少建模預(yù)測(cè)次數(shù)。該方法的前提是相似序列的特性平穩(wěn),平穩(wěn)序列進(jìn)行代數(shù)運(yùn)算仍然是平穩(wěn)的,因而仍然可以得到合理的

4、最終結(jié)果,實(shí)驗(yàn)證明,預(yù)測(cè)精度沒(méi)有受到影響。然后,將合并的子序列區(qū)分為高頻譜的細(xì)節(jié)項(xiàng),低頻譜的輪廓項(xiàng),和中間頻譜的周期項(xiàng)三種,對(duì)三種不同的序列采取不同的處理措施進(jìn)一步降低算法時(shí)間復(fù)雜度。論文采用了這種的方式,使得三種成分采用少量的歷史數(shù)據(jù),較低的采樣頻率,盡可能的達(dá)到不影響小波變換所帶來(lái)的預(yù)測(cè)精度上的改進(jìn)。通過(guò)實(shí)驗(yàn)證明,在采取了一系列改進(jìn)時(shí)間復(fù)雜性的措施的情況下,預(yù)測(cè)結(jié)果相比在引入小波分解技術(shù)后進(jìn)行簡(jiǎn)單的所有子序列完全建模的方式,預(yù)測(cè)效果