本文關鍵詞： FARIMA GARCH CUSUM 流量預測　出處：《通信學報》2013年03期 　論文類型：期刊論文

【摘要】：針對網(wǎng)絡流量的波動性與自相似特性為其精確預測提出的挑戰(zhàn),提出了一種基于FARIMA-GARCH模型的預測算法。該算法首先利用分段雙向CUSUM檢測算法對流量序列的均值進行有效檢測,并在此基礎上將序列零均值化;然后采用限定搜索法對分數(shù)差分階數(shù)進行精確估計;在獲得模型參數(shù)后,使用FARIMA-GARCH模型對網(wǎng)絡流量進行預測。仿真實驗表明,限定搜索法能夠獲得比傳統(tǒng)算法更高的估計精度。隨后采用真實網(wǎng)絡流量驗證了預測算法的性能,在保持與FARIMA預測算法等價的時間復雜度下,其均方根和相對均方根誤差與RBF神經(jīng)網(wǎng)絡預測算法相當,而高于FARIMA預測算法。同時,預測算法對突發(fā)流量的跟蹤和預測性能明顯優(yōu)于對比算法,且有更好的區(qū)間估計性能。
[Abstract]:In view of the challenges posed by the volatility and self-similarity of network traffic, a prediction algorithm based on FARIMA-GARCH model is proposed. Firstly, the segmented bi-directional CUSUM detection algorithm is used to detect the mean value of traffic sequence effectively. Then the finite search method is used to estimate the fractional difference order accurately. After obtaining the model parameters, the FARIMA-GARCH model is used to predict the network traffic. The simulation results show that, The limited search method can obtain higher estimation accuracy than the traditional algorithm. Then, the performance of the prediction algorithm is verified by using real network traffic, while maintaining the time complexity equivalent to the FARIMA prediction algorithm. The root-mean-square error and the relative root-mean-square error are similar to the RBF neural network prediction algorithm, but higher than the FARIMA prediction algorithm. At the same time, the prediction algorithm can track and predict the burst traffic obviously better than the contrast algorithm, and has better performance of interval estimation.
【作者單位】： 電子信息控制重點實驗室;電子科技大學通信抗干擾技術(shù)國家級重點實驗室;
【基金】：國家自然科學基金資助項目(61271168,61001085) 國家科技重大專項基金資助項目(2010ZX03005-002) 國家重點基礎研究發(fā)展計劃(“973”計劃)基金資助項目(2009CB320405) The National Natural Science Foundation of China(61271168,61001085)~~
【分類號】：TP393.06

【參考文獻】

相關期刊論文 前9條

1 陳彥輝,謝維信;隨機分形信號參數(shù)的分數(shù)差分估計[J];電子與信息學報;2001年01期

2 鄒柏賢,劉強;基于ARMA模型的網(wǎng)絡流量預測[J];計算機研究與發(fā)展;2002年12期

3 王俊松;高志偉;;基于RBF神經(jīng)網(wǎng)絡的網(wǎng)絡流量建模及預測[J];計算機工程與應用;2008年13期

4 白翔宇;葉新銘;蔣海;;基于小波變換與自回歸模型的網(wǎng)絡流量預測[J];計算機科學;2007年07期

5 舒炎泰,王雷,張連芳,薛飛,金志剛,OliverYang;基于FARIMA模型的Internet網(wǎng)絡業(yè)務預報[J];計算機學報;2001年01期

6 王西鋒;高嶺;張曉孿;;基于小波技術(shù)的網(wǎng)絡流量分析和預測[J];計算機應用與軟件;2008年08期

7 洪飛,吳志美;基于小波的Hurst指數(shù)自適應估計方法[J];軟件學報;2005年09期

8 陳曉天;劉靜嫻;;改進的基于小波變換和FARIMA模型的網(wǎng)絡流量預測算法[J];通信學報;2011年04期

9 楊雙懋;郭偉;唐偉;;認知無線網(wǎng)絡中基于時間序列預測的沖突分解算法[J];通信學報;2011年11期

【共引文獻】

相關期刊論文 前10條

1 曾慶海;馬中軍;王藝霖;;引入混沌理論的混凝土中氯離子傳輸機理研究[J];四川建筑科學研究;2007年01期

2 劉慧卿;周國峰;張先起;;空調(diào)負荷混沌特性分析與預測[J];四川建筑科學研究;2009年05期

3 鄭志敬;周欽富;張建華;楊勝利;;松墨天牛成蟲林間種群數(shù)量混沌特性的識別[J];安徽農(nóng)業(yè)科學;2011年03期

4 陳利星;陳繪畫;周欽富;;神經(jīng)網(wǎng)絡對馬尾松蛀干類害蟲數(shù)量的混沌識別[J];安徽農(nóng)業(yè)科學;2011年28期

5 蔡愛民,查良松;基于分形理論的安徽省旱、洪澇災害時序特征分析[J];安徽農(nóng)業(yè)大學學報;2005年04期

6 李曉紅;馮欣艷;盧義玉;康勇;;瓦斯等級鑒定的混沌相空間重構(gòu)預測技術(shù)研究[J];地下空間與工程學報;2007年05期

7 王利清,魏學業(yè),溫偉剛,謝濤;電流模式Buck-Boost電路從有序到混沌的分形研究[J];北方交通大學學報;2004年05期

8 許e，

本文編號：1550679