基于时间序列分析的网络流量预测模型研究

周德懋，李舟军，康荣雷

【摘要】通过对网络流量数据作为时间序列进行小波变换建模，应用于未来时间的网络流量数据预测。首先对流量数据序列进行多尺度分解，对分解到不同尺度上的数据分别利用不同的时间序列模型进行分析，然后进行预测数据的折衷处理，得到网络流量多尺度预测模型。仿真结果表明与单一应用RBF神经网络的时间序列预测模型相比，该模型预测效果良好，具有较高的预测精度和很好的模型适应性。

【期刊名称】现代电子技术

【年(卷),期】2009(032)008

【总页数】3

【关键词】网络流量;时间序列分析;径向基神经网络;小波变换建模

【文献来源】https://https://www.360docs.net/doc/6a14569888.html,/academic-journal-cn_modern-electronics-technique_thesis/0201237643930.html

0 引言

对通信网络流量的预测，已有的方法主要建立在数理统计的基础上，其中较为成功的预测方法有：基于FARIMA(p,d,q)模型的预测方法[1]；C.Bor-Sen提出的模糊自适应方法[2]；基于分数整合滑动平均模型的预测方法[3,4]；利用模糊判断规则预测网络流量的方法[5]等。目前，利用小波理论处理时间序列问题已经是一个热点，在许多领域得到应用并取得较好的成果，如物流、生物学、经济等[6]。而国内基于小波理论研究网络流量的研究工作开展甚少，因此，这里着重于讨论基于小波理论的网络流量预测新方法。