基于LFSN和小波变换的业务流预测算法

陈国彬,张广泉

(1.重庆工商大学融智学院,重庆400033;2.苏州大学计算机科学与技术学院,江苏苏州215006;

3.中国科学院计算机科学国家重点实验室,北京100080)

基于LFSN和小波变换的业务流预测算法

陈国彬1,张广泉2,3

(1.重庆工商大学融智学院,重庆400033;2.苏州大学计算机科学与技术学院,江苏苏州215006;

3.中国科学院计算机科学国家重点实验室,北京100080)

针对实际业务流预测精度偏低的问题,结合线性分形稳定运动(LFSM)模型和小波变换提出一种新的业务流预测算法(SPWL)。定义线性分形稳定噪声(LFSN)分布特征,利用离散傅里叶变换产生满足LFSN过程的数列,并给出实际业务流数据拟合方法。通过小波变换降低实际业务流的突发特性,同时融合LFSM模型的预测结果提高实际业务流的预测精度。基于NS2和Matlab进行仿真实验,结果表明,与FARIMA算法相比,SPWL算法预测精度较高,其预测误差仅为12.83%。

业务流;预测精度;分布特征;线性分形稳定运动;小波

1 概述

随着Internet的迅速发展[1-3],实际业务流的性能状况日益受到关注,如何在发生拥塞前预测下一时刻实际业务流状态成为当前计算机网络研究的重点。目前对业务流预测方法较多,传统观念认为实际业务流是服从Possion分布或近似为 Markov过程,所以大多是基于线形模型来近似处理流量的发展趋势,其典型方法有AR,ARMA等模型,这些模型算法比较简单,短期预测有较高的精度,但不适用于长期预测。但是实际业务流往往具有分形特性,所以基于非线性预测方法被应用于长相关业务流刻画中,典型方法有小波变换、多重分形、Weibull、FARIMA、LFSN、混沌等模型。……