基于离散变量的多尺度网络流量短期预测仿真

周其龙

(河南师范大学新联学院，河南 郑州 450000)

1 引言

网络流量短期预测是网络管理中不可忽视的问题[1]。预测结果的精准度、实时性以及应用范围直接影响网络管理的效率。目前，通常使用的预测方式为线性与非线性预测。以小波分析为基础，进行非线性预测成为新的研究热点，但小波分析的计算复杂程度较高，并且需要多次重复计算。由于网络流量具有结构多样、相似面积大、流量数据多变等特点，因此，非线性预测方法的精准度较低，在流量短期预测中不具有可行性，实用性不高。基于此，提出基于离散变量的网络流量预测方法，可充分适应网络流量的不确定和突发性。

龙震岳[2]等人针对传统网络预测模型泛化能力弱、准确度低的缺点，提出组合小波包分解和灰狼横纵多维混合寻优算法，对短期网络流量进行预测。首先利用小波分解网络流量，将其划分成多个频段序列，通过优化模型对得到的序列进行单步或者多步预测处理；然后重构并累计预测数值，最终得到未来短时间内网络流量数值。田中大[3]等人在高斯过程回归模型的基础上，提出补偿自回归积分滑动平均模型的网络流量预测方法。首先利用布鲁克·德赫特·申克曼的统计量检验法，确定网络流量的时间序列特征；然后通过补偿自回归积分滑动平均模型进行非平稳建模，构建符合时间序列规律的预测模型，优化算法进行误差序列建模，最终运用预测模型得到的数值与误差值相加，所得结果为最终的网络流量预测数值。……