自相似流量的时间序列模型研究

鄂晓晨 刘立士

摘  要：网络流量预测对于设计新一代网络协议、实现网络规划和流量管理以及提升网络的高质量服务具有重大意义。该文研究了网络流量的自相似特性，并在此基础上采用FARIMA时间序列模型进行流量预测。首先对网络流量进行平稳化预处理，其次估算Hurst系数来确定差分次数，最后通过AIC准则确定该型阶数并进行预测。比较结果表明，虽然FARIMA模型相对于传统的ARMA模型建模和计算复杂度较高，但是可以对非平稳数据预测且受流量突发性影响较小，预测精准度较高。

关键词：自相似性  流量预测  ARMA模型  FARIMA模型

中图分类号：TP393                         文献标识码：A文章编号：1672-3791（2021）04（c）-0062-04

Research on Time Series Model of Self Similar Traffic

E Xiaochen   LIU Lishi*

（Shenyang Ligong University， Shenyang， Liaoning Province， 110159  China）

Abstract： Network traffic prediction is of great significance for the design of new generation network protocol， the realization of network planning and traffic management，and the improvement of network quality service. In this paper， the self similarity of network traffic is studied， and on this basis， FARIMA time series model is used for traffic prediction. Firstly， the network traffic is smoothed. Secondly， the Hurst coefficient is estimated to determine the difference times. Finally， the AIC criterion is used to determine the order of this type and predict it. The comparison results show that although FARIMA model has higher modeling and computational complexity than traditional ARMA model， it can predict non-stationary data with less impact of traffic burst and higher prediction accuracy.

Key Words： Self-similarity; Traffic prediction; ARMA model; FARIMA model

隨着网络业务量的增长和互联网环境的日益复杂，网络拥塞现象也在不断发生。网络拥塞可能会导致网络的性能降低、网络中间节点丢弃大量的数据包等问题。网络流量是网络规划的重要指标，反映了网络的运行状态，为了保证信息传输的有效性和精准性，必须采用适宜的手段对网络流量进行监控。通过研究发现，网络流量也呈现出自相似性[1]以及可预测性，因此可以通过选择合适的预测模型实现对自相似网络流量的预测，并根据预测得到的数据流量提前进行网络规划和流量管理，如果将预测结果引入到其他网络管理机制，将会极大地提高网络性能和服务质量。

1  自相似流量特性与预测模型

在实际测量研究中发现，现实中的网络流量普遍具有自相似性（或长相关性）。网络流量的自相似性实际上就是局部特征和整体相似。……