移动网络流量特性分析及预测研究

《移动网络流量特性分析及预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、移动网络流量特性分析及预测研究重庆大学硕士学位论文（学术学位）学生姓名：万贝利指导老师：贾云健研究员专业：通信与信息系统学科门类：工学重庆大学通信工程学院二O一六年四月ResearchofTrafficCharacteristicsAnalysisandPredictioninMobileNetworksAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByWanBeiliSu

2、pervisor:Prof.JiaYunjianSpecialty:CommunicationandInformationSystemCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaApril,2016中文摘要摘要移动网络的快速发展以及海量移动终端和新型业务类型的出现给移动通信行业的发展带来新一轮的契机。相对于传统移动网络而言，一方面新型移动网络更强调业务的多样性和用户的移动性；另一方面，新型移动网络也衍生出自己独有的特性。如何对网络中的业务流量

3、变化规律和用户移动性规律进行分析和预测研究，成为未来网络研究的一个重要方向。本文在深入研究现有流量特性分析和预测方法的基础上，结合具体网络环境中采集到的数据，从业务流量变化规律和用户移动性规律两方面对移动网络流量特性分析及预测研究进行了探索：针对业务流量变化规律，本文根据自相似产生的机理研究了移动通信网络典型业务类型在不同时间尺度下的流量特征，结合自相似函数特征和Hurst指数论证了典型业务类型的自相似特性，对此提出一种基于改进EMD和ARMA模型的流量预测算法。首先，采用EMD理论将流量序列分解为具有短相关性质的本征模态函数IMF；然

4、后，基于流量序列和IMF之间的相关系数去除本征模态函数中的伪分量；最后，对剩余IMF构建ARMA预测模型，并将叠加后的预测值作为流量预测的最终输出值。文中通过仿真实验分别检验了该算法对移动浏览业务、移动视频业务以及移动IM业务的预测效果。实验结果表明，该算法在网络流量预测研究领域具有较大的优势，并对网络资源规划和优化分配具有重要指导意义。针对用户移动性规律，本文提出了一种基于用户群体聚类的移动轨迹预测算法。首先，根据轨迹的时间和空间特征对用户时空相似度进行了定义，并从时空相似度的角度对用户群体进行聚类；然后，为每类用户群体生成一个状态转

5、移矩阵；最后，通过状态转移矩阵对用户移动轨迹进行预测。仿真结果表明，该算法在移动轨迹预测领域具有较大的优势，在网络资源调配、流量突发性监测等方面可起到重要的预警作用。本文研究成果对网络高效管理及资源优化分配具有重要指导意义。关键词关键词：关键词：：：移动网络，流量特性，业务类型，用户行为，预测I英文摘要ABSTRACTWiththerapiddevelopmentofmobilenetworks,massivemobileterminalsandemergingservicetypesbringenormousopportunities

6、forthedevelopmentofmobilecommunication.Comparedwithconventionalmobilenetworks,theemergingmobilenetworksnotonlyemphasistheservicediversityandusermobility,butalsotheuniquecharacteristicsderivingfromemergingmobilenetworks.Inviewofthis,howtoanalyzeandpredictthenetworktraffic

7、characteristics,aswellasusermobilityhasbecomeanimportantdirectionforfutureresearch.Inthisthesis,firstexistingtrafficcharacteristicanalysisandpredictionmethodshavebeenstudiedindepth.Then,thethesishasbeenconductedfromtwoaspects——trafficvariationandusermobility.Fortrafficva

8、riation,thisthesishasstudiedthetrafficcharacteristicsatdifferenttimescalesaccordingtothemechanismofself