專利名稱：一種網(wǎng)絡(luò)流量的長期預(yù)測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信技術(shù)領(lǐng)域，特別涉及一種網(wǎng)絡(luò)流量的長期預(yù)測方法及裝置。
背景技術(shù)：
隨著網(wǎng)絡(luò)規(guī)模的擴展和業(yè)務(wù)種類的不斷增長，在真實網(wǎng)絡(luò)環(huán)境中的網(wǎng)絡(luò)流量數(shù)據(jù)已經(jīng)表現(xiàn)出一個非線性、多維度動力學(xué)系統(tǒng)的典型特征，如流量數(shù)據(jù)呈現(xiàn)出的分形、長相關(guān)、自相似性、突發(fā)性等。用Markov、Poisson類的隨機模型，已經(jīng)不能有效地刻畫流量的這些特性。也就是說，傳統(tǒng)的隨機模型只能處理網(wǎng)絡(luò)業(yè)務(wù)的短相關(guān)(short-range dependence),如泊松過禾呈，Markov 過禾呈，AR(Auto Regressive), MA(Moving Average), ARMA(Auto Regressive Moving Average)禾口ARIMA(Auto Regressive Integrated Moving Average)過程等，并不能處理網(wǎng)絡(luò)業(yè)務(wù)的長相關(guān)性(long-range dependence)，即自相似性 (self similarity)。但是，隨著網(wǎng)絡(luò)測量技術(shù)的發(fā)展，為了解決高速網(wǎng)絡(luò)業(yè)務(wù)的長相關(guān)性，出現(xiàn)了 FARIMA模型，該現(xiàn)有的FARIMA模型是可以處理高速網(wǎng)絡(luò)業(yè)務(wù)的長相關(guān)和短相關(guān)特性的網(wǎng)絡(luò)業(yè)務(wù)模型。在對現(xiàn)有技術(shù)的研究和實踐過程中，本發(fā)明的發(fā)明人發(fā)現(xiàn)，現(xiàn)有的實現(xiàn)方式中，傳統(tǒng)的FARIMA模型沒有刻畫流量的趨勢特征，同時估計模型參數(shù)不是最優(yōu)參數(shù)，預(yù)測平穩(wěn)流量時準確度不夠高，特別是對非平穩(wěn)(長期)的流量預(yù)測效果更差，這是因為，長期流量預(yù)測中，容易出現(xiàn)因現(xiàn)網(wǎng)網(wǎng)絡(luò)路由變化或拓撲變化會帶來流量變化。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種網(wǎng)絡(luò)流量的長期預(yù)測方法及裝置，考慮流量的趨勢特性和優(yōu)化波動序列的模型參數(shù)，以提高非平穩(wěn)(長期)流量的預(yù)測精度?；诖耍景l(fā)明實施例提供一種網(wǎng)絡(luò)流量的長期預(yù)測方法，所述方法包括初始設(shè)定動態(tài)滑動窗口的長度；按照初始設(shè)定動態(tài)滑動窗口長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；根據(jù)所述最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集對未來給定步數(shù)的數(shù)據(jù)流量進行預(yù)測。相應(yīng)的，本發(fā)明實施例還提供一種網(wǎng)絡(luò)流量的長期預(yù)測裝置，包括窗口初始化單元，用于初始設(shè)定動態(tài)滑動窗口的長度；選擇單元，用于按照初始設(shè)定動態(tài)滑動窗口的長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；第一預(yù)測單元，用于根據(jù)所述最優(yōu)的滑動窗口對未來給定步數(shù)的數(shù)據(jù)流量進行預(yù)測。由上述技術(shù)方案可知，本發(fā)明實施例中，通過自適應(yīng)滑動窗口機制，根據(jù)歷史數(shù)據(jù)流量的趨勢特性，實現(xiàn)了對非平穩(wěn)(長期)的流量做精確預(yù)測。也就是說，本發(fā)明對比現(xiàn)網(wǎng)真實非穩(wěn)態(tài)數(shù)據(jù)測試，預(yù)測未來任意定期內(nèi)的數(shù)據(jù)流量，提高了預(yù)測數(shù)據(jù)流量的準確率。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述 中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種網(wǎng)絡(luò)流量的長期預(yù)測方法的流程圖；圖2為本發(fā)明實施例提供的一種網(wǎng)絡(luò)流量的長期預(yù)測方法的應(yīng)用實例的流程圖；圖3為本發(fā)明提供一種對Kuwait現(xiàn)網(wǎng)數(shù)據(jù)的顯示結(jié)果的示意圖；圖4為本發(fā)明提供一種對現(xiàn)有網(wǎng)絡(luò)數(shù)據(jù)的預(yù)測結(jié)果的示意圖；圖5為本發(fā)明提供一種對Kuwait現(xiàn)網(wǎng)數(shù)據(jù)的顯示結(jié)果的示意圖；圖6為本發(fā)明提供一種對現(xiàn)有網(wǎng)絡(luò)數(shù)據(jù)的預(yù)測結(jié)果的示意圖；圖7為本發(fā)明實施例還提供一種網(wǎng)絡(luò)流量的長期預(yù)測裝置的結(jié)構(gòu)示意圖；圖8為本發(fā)明實施例還提供一種網(wǎng)絡(luò)流量的長期預(yù)測裝置的結(jié)構(gòu)示意圖；圖9為本發(fā)明實施例提供的另一種網(wǎng)絡(luò)流量的長期預(yù)測裝置的應(yīng)用實例圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。請參閱圖1，為本發(fā)明實施例提供的一種網(wǎng)絡(luò)流量的長期預(yù)測方法的流程圖，所述方法包括步驟101 初始化設(shè)定的動態(tài)滑動窗口長度；其中，所述滑動窗口長度為以往統(tǒng)計某段時間的歷史網(wǎng)絡(luò)流量，比如5天的網(wǎng)絡(luò)流量，1個月的網(wǎng)絡(luò)流量等。比如，已知前3天的數(shù)據(jù)(即歷史數(shù)據(jù))，要預(yù)測第4天的數(shù)據(jù)。 首先，先將這3天分成2個時間段，第1天和第2天為第一時間段，第3天為第二時間段，其中第一時間段和第二時間段就是設(shè)定的滑動窗口長度。也就是說，所述滑動窗口長度就是歷史數(shù)據(jù)的時間段。步驟102 按照所述設(shè)定的動態(tài)滑動窗口長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；一種實現(xiàn)方式為先按照設(shè)定初始動態(tài)滑動窗口長度估計給定歷史數(shù)據(jù)的線性趨勢參數(shù)值；然后根據(jù)所述線性趨勢參數(shù)值預(yù)測出給定歷史步數(shù)的線性趨勢序列；計算給定歷史步數(shù)的線性趨勢序列與對應(yīng)的給定歷史步數(shù)的數(shù)據(jù)的差值，得到波動序列；估計出所述波動序列的參數(shù)集，根據(jù)所述參數(shù)集預(yù)測出給定歷史步數(shù)的波動序列；計算所述給定歷史數(shù)據(jù)的線性趨勢參數(shù)值與給定歷史步數(shù)的波動序列之和，得到對應(yīng)的序列；重復(fù)上述所有步驟，并從所得到的對應(yīng)的序列中選擇與歷史真實數(shù)據(jù)差值最小的序列，所述序列中包括最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集。其中，所述估計所述波動序列的參數(shù)集可以包括對波動序列進行零均值化預(yù)處理，得到新的原始數(shù)據(jù)序列；然后計算該原始數(shù)據(jù)序列的差分數(shù)據(jù)序列；對所述差分數(shù)據(jù)序列進行計算，計算得到AR模型的噪聲序列；根據(jù)所述噪聲序列估計AR/MA模型的系數(shù)及階數(shù)?？蛇x的，所述對所述差分數(shù)據(jù)序列進行計算，得到AR模型的計算噪聲序列包括 可以通過AIC和最小二乘解算法對所述差分數(shù)據(jù)序列進行計算，得到AR模型的計算噪聲序列。比如，在上述劃分時間段的基礎(chǔ)上，先對第一時間的網(wǎng)絡(luò)流量進行學(xué)習(xí)，得到這兩天線性趨勢參數(shù)(比如，第1天參數(shù)和流量都為，第2天參數(shù)和流量都為2)，根據(jù)所述性趨勢參數(shù)估計第3天的網(wǎng)絡(luò)流量，比如，1X2+2X2 = 6，之后，可將估計的第3天的網(wǎng)絡(luò)流量 (6)與第3天的實際網(wǎng)絡(luò)流量(比如是8)進行比較，得到預(yù)測流量的準確度1-(8-6)/8 = 6/8 = 75% ；步驟103 根據(jù)所述最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集對未來給定步數(shù)的網(wǎng)絡(luò)流量進行預(yù)測。在上述步驟的基礎(chǔ)上，所述給定步數(shù)就是第4天，該步驟可以是根據(jù)預(yù)測準確度來預(yù)測第4天的網(wǎng)絡(luò)流量，即對上述3天過程進行遞歸處理，可以預(yù)測第4天的網(wǎng)絡(luò)流量。需要說明的是，在實際的網(wǎng)絡(luò)流量的預(yù)測過程，遠遠比上述所舉的實例復(fù)雜的多， 本實例只是用作便于理解，并不能代表實際的預(yù)測過程。本發(fā)明實施例中，通過自適應(yīng)滑動窗口機制，根據(jù)歷史數(shù)據(jù)流量的趨勢特性，實現(xiàn)了對非平穩(wěn)(長期)的流量做精確預(yù)測。也就是說，本發(fā)明對比現(xiàn)網(wǎng)真實非穩(wěn)態(tài)數(shù)據(jù)測試， 預(yù)測未來任意定期內(nèi)的數(shù)據(jù)流量，提高了預(yù)測數(shù)據(jù)流量的準確率。為了便于本領(lǐng)域技術(shù)人員的理解，下面以具體實施例來說明。還請參閱圖2，為本發(fā)明實施例提供的一種網(wǎng)絡(luò)流量的長期預(yù)測方法的應(yīng)用實例的流程圖。該實施例中，在MBB網(wǎng)絡(luò)可視化中，基于歷史數(shù)據(jù)和預(yù)測給定步數(shù)h，提供了一種網(wǎng)絡(luò)流量長期預(yù)測方法，如圖2所示，包括步驟201 初始設(shè)定動態(tài)滑動窗口的長度，該長度記為W，比如We [round (N*0. 1)， round(N*0. 9)]，其中N表示歷史數(shù)據(jù)的個數(shù)，比方有前三天的歷史數(shù)據(jù)，N = 3)其中，可以通過下述步驟循環(huán)選擇最優(yōu)的滑動窗口。步驟202 按照初始設(shè)定動態(tài)滑動窗口的長度估計給定歷史數(shù)據(jù)的線性趨勢參數(shù)值，根據(jù)所述線性趨勢參數(shù)值預(yù)測出給定歷史步數(shù)的線性趨勢序列；一種估計的方式，可以使用一種算法(如但不限于最小二乘解)循環(huán)估計一類于線性趨勢(Trend)屬性(但不限于線性趨勢)參數(shù)值，并根據(jù)估計的線性趨勢屬性參數(shù)值預(yù)測給定步數(shù)h的趨勢值，具體可以按照下述公式來實現(xiàn)Xt = TRt+ ε t Sf _ ^t-i-Zf" ■■ ■ ^ t-l· tl其中，Xt表示歷史數(shù)據(jù)序列的值即流量；TRt表示趨勢參數(shù)；ε t表示噪聲，t表示預(yù)測的前一個時刻，例如第二天；S/+1表示表示基于前面公式估計出的Trend參數(shù)， 預(yù)測出下一天的流量值，例如第三天。步驟203 計算給定歷史步數(shù)的線性趨勢序列與對應(yīng)的給定歷史步數(shù)的數(shù)據(jù)的差值，得到波動序列；即根據(jù)真實數(shù)據(jù)和Trend部分的差值，得到波動序列
權(quán)利要求
1.一種網(wǎng)絡(luò)流量的長期預(yù)測方法，其特征在于，包括 初始設(shè)定動態(tài)滑動窗口的長度；按照初始設(shè)定動態(tài)滑動窗口長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；根據(jù)所述最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集對未來給定步數(shù)的數(shù)據(jù)流量進行預(yù)測。
2.如權(quán)利要求1所述的方法，其特征在于，所述按照初始設(shè)定動態(tài)滑動窗口的長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口包括按照初始設(shè)定動態(tài)滑動窗口的長度估計給定歷史數(shù)據(jù)的線性趨勢參數(shù)值；根據(jù)所述線性趨勢參數(shù)值預(yù)測出給定歷史步數(shù)的線性趨勢序列；計算給定歷史步數(shù)的線性趨勢序列與對應(yīng)的給定歷史步數(shù)的數(shù)據(jù)的差值，得到波動序列；估計所述波動序列的參數(shù)集，根據(jù)所述參數(shù)集預(yù)測出給定歷史步數(shù)的波動序列； 計算所述給定歷史數(shù)據(jù)的線性趨勢參數(shù)值與給定歷史步數(shù)的波動序列之和，得到對應(yīng)的預(yù)測值；重復(fù)上述所有步驟，并從所得到的對應(yīng)的預(yù)測值中選擇與歷史真實數(shù)據(jù)差值最小的序列，所述預(yù)測值包括最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集。
3.如權(quán)利要求2所述的方法，其特征在于，所述估計所述波動序列的參數(shù)集包括 對波動序列進行零均值化預(yù)處理，得到原始數(shù)據(jù)序列；計算原始數(shù)據(jù)序列的差分數(shù)據(jù)序列；對所述差分數(shù)據(jù)序列進行計算，得到噪聲序列；根據(jù)所述噪聲序列進行估計，得到AR/MA模型的系數(shù)及階數(shù)。
4.如權(quán)利要求3所述的方法，其特征在于，所述對所述差分數(shù)據(jù)序列進行計算，得到AR 模型的計算噪聲序列包括通過AIC和最小二乘解算法對所述差分數(shù)據(jù)序列進行計算，得到AR模型的計算噪聲序列。
5.如權(quán)利要求1至4任一項所述的方法，其特征在于，所述滑動窗口長度具體為歷史數(shù)據(jù)的時間段。
6.一種網(wǎng)絡(luò)流量的長期預(yù)測裝置，其特征在于，包括 窗口初始化單元，用于初始設(shè)定動態(tài)滑動窗口的長度；選擇單元，用于按照初始設(shè)定動態(tài)滑動窗口的長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；第一預(yù)測單元，用于根據(jù)所述最優(yōu)的滑動窗口對未來給定步數(shù)的數(shù)據(jù)流量進行預(yù)測。
7.如權(quán)利要求6所述的裝置，其特征在于，所述選擇單元包括第一估計單元，用于按照所述窗口初始化單元初始設(shè)定動態(tài)滑動窗口的長度分別估計不同給定歷史數(shù)據(jù)的線性趨勢參數(shù)值；第二預(yù)測單元，用于根據(jù)所述線性趨勢參數(shù)值分別預(yù)測出不同給定歷史步數(shù)的線性趨勢序列；第一計算單元，用于分別計算不同給定歷史步數(shù)的線性趨勢序列與對應(yīng)的給定歷史步數(shù)的數(shù)據(jù)的差值，得到不同的波動序列；第二估計單元，用于估計不同波動序列對應(yīng)的參數(shù)集； 第三預(yù)測單元，用于根據(jù)所述參數(shù)集預(yù)測出不同給定歷史步數(shù)的波動序列； 第二計算單元，用于計算所述不同給定歷史數(shù)據(jù)的線性趨勢參數(shù)值與對應(yīng)的給定歷史步數(shù)的波動序列之和，得到不同的序列；記錄單元，用于記錄第二計算單元得到的所有序列；序列選擇單元，用于從所述記錄單元記錄的所有序列中選出與歷史真實數(shù)據(jù)差值最小的序列，所述序列中包括最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集。
8.如權(quán)利要求7所述的裝置，其特征在于，所述第二估計單元包括零均值化處理單元，用于對波動序列進行零均值化預(yù)處理，得到原始數(shù)據(jù)序列； 差分計算單元，用于計算原始數(shù)據(jù)序列的差分數(shù)據(jù)序列；噪聲序列計算單元，用于對所述差分數(shù)據(jù)序列進行計算，得到AR模型的計算噪聲序列；參數(shù)估計單元，用于根據(jù)所述噪聲序列估計AR/MA模型的系數(shù)及階數(shù)。
9.如權(quán)利要求8所述的裝置，其特征在于，所述差分計算單元，具體用于通過AIC和最小二乘解算法對所述差分數(shù)據(jù)序列進行計算，得到AR模型的計算噪聲序列。
10.如權(quán)利要求6至9任一項所述的裝置，其特征在于，所述網(wǎng)絡(luò)流量的長期預(yù)測裝置為流量測試設(shè)備，或集成在流量測試設(shè)備中。
全文摘要
一種網(wǎng)絡(luò)流量的長期預(yù)測方法及裝置，所述方法包括初始設(shè)定動態(tài)滑動窗口的長度；按照初始設(shè)定動態(tài)滑動窗口長度對給定歷史數(shù)據(jù)進行循環(huán)學(xué)習(xí)，選擇最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集；根據(jù)所述最優(yōu)的滑動窗口、線性趨勢屬性系數(shù)和波動系列參數(shù)集對未來給定步數(shù)的數(shù)據(jù)流量進行預(yù)測。本發(fā)明實施例按照流量的趨勢特性優(yōu)化波動序列的模型參數(shù)，提高了非平穩(wěn)(長期)流量的預(yù)測精度。
文檔編號H04L12/24GK102369689SQ201180001643
公開日2012年3月7日 申請日期2011年8月11日 優(yōu)先權(quán)日2011年8月11日
發(fā)明者豐大洋, 基托夫·維克多 申請人:華為技術(shù)有限公司