基于改进GM（1，1）模型的网络流量预测与仿真

张轶，汪杰（.马鞍山师范高等专科学校软件与食品工程系，安徽马鞍山4304；.蚌埠学院数理系，安徽蚌埠33030）



基于改进GM（1，1）模型的网络流量预测与仿真

张轶1，汪杰2
（1.马鞍山师范高等专科学校软件与食品工程系，安徽马鞍山243041；2.蚌埠学院数理系，安徽蚌埠233030）

摘要：对网络流量进行预测是进行网络设计、管理、控制以及最优化的前提和基础。根据当前大多数网络的流量呈现出接近周期震荡的变化趋势，提出了一种基于正弦函数变换型的GM（1，1）模型的网络流量预测方法，该方法改正了GM（1，1）模型预测结果具有单调性的缺点。仿真实验的结果表明，该模型的预测精确度明显高于GM （1，1）模型预测结果，具有一定的应用价值。

关键词：正弦函数；GM（1，1）模型；网络流量；预测

网络流量是指传输在网络上的数据量［1］，它是衡量网络运行负荷和状态的重要参数。对网络流量进行预测是进行网络设计、管理、控制以及最优化的前提和基础。网络流量预测主要有以回归预测法、多元统计方法和时间序列模型法［2-3］为主的传统统计方法及以支持向量机和神经网络法为主的智能预测两类方法，其中传统统计方法对于线性分布数据的预测效果较好，但对于大多数数据分布表现为非线性关系的网络流量的预测效果却不是很好，而神经网络预测的精度虽然比传统统计方法高，但其收敛速度慢、泛化能力差，易陷入局部极小［4］。随着网络技术的发展，Internet数据流量的突发性使得网络流量呈现出复杂的非线性特征，因而针对网络流量的预测有了更大的难度［5］。……