基于半马尔柯夫过程的流量预测方法

《基于半马尔柯夫过程的流量预测方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第26卷第3期计算机应用Vol.26No.32006年3月ComputerApplicationsMar.2006文章编号：1001-9081（2006）03-0522-04基于半马尔柯夫过程的流量预测方法1，21黄晓璐，闵应骅（1.中国科学院计算技术研究所，北京100080；2.中国科学院研究生院，北京100039）（xiaoluh@ict.ac.cn）摘要：提出了一种基于半马尔柯夫过程的流量预测方法。通过半马尔柯夫过程描述网络流量特性，将网络流量划分为四种状态：忙、空闲、上升和下降。通过各状态下的网络流量特性及各状态间的相互转

2、换关系，推导了对忙状态下网络流速率上界的预测方法。对广域网和局域网的实际流量数据的分析和检验表明，95%的数据均服从半马尔柯夫过程相应状态下的随机分布；90%的流量预测以0.8或0.9的概率低于我们所预计的流量上界，且主干网流量预测的流量上界与实际流量之间的相对误差低于15%。关键词：半马尔柯夫过程；流量分析；流量预测中图分类号：TP393.07文献标识码：ATrafficpredictionmethodbasedonsemi-Markovprocess1,21HUANGXiao-lu,MINYing-hua（1.Institut

3、eofComputerTechnology,ChineseAcademyofSciences,Beijing100080,China;2.GraduateSchool,ChineseAcademyofSciences,Beijing100039,China）Abstract:atrafficpredictionmethodbasedonsemi-Markovprocesswaspresented.Thesemi-Markovprocesswasusedtodescribenetworktrafficcharacteristicsa

4、nddividenetworktrafficintofourstatesbusy,idle,risingandfalling.Thepredictionalgorithmabouttrafficupperboundinbusystatewasconcludedaccordingtotrafficstochasticdistributionineachstateandmutualtransitionrelationshipsbetweenstates.SomepracticaltracedatafromWANandLANwereem

5、ployedtoverifythetrafficpredictionmethod.About95%tracedatareallyfollowthecorrespondingstochasticdistributionineachstateand90%ofpredictionsarecorrectwiththeprobabilityof0.8or0.9,andtherelativeerrorislowerthan15%forbackbonenetworks.Keywords:semi-Markovprocess;trafficana

6、lysis;trafficprediction决定，具有随机性、社会性；另一部分是维持网络正常运行，网0引言络设备间交换的路由信息和控制信息，具有稳定性和周期性。网络管理中的拥塞控制、带宽分配、接入控制和异常检测当网络流量主要以用户信息为主时，此时网络行为主要由用等均需要进行流量预测，因此精确、迅速的流量预测对于网络户信息行为决定。用户信息的随机性和社会性使在较短时间管理具有十分重要的作用。现有的流量预测方法大多基于神内可产生大量的流量，从而产生突发。网络流量的突发现象［1］经网络，但神经网络应用于流量预测时存在其必然的局限也是网

7、络流量自相似性的主要原因之一。因此，将以用户信［2］性。另一方面，成功的流量预测离不开精确的流量模型的息为主时的网络流量定义为网络流量的忙状态。当网络流量支持。传统的Poisson过程、Markov过程等随机模型已不能良主要以系统信息为主时，网络流量主要由路由信息和控制信好描述Internet所具有的多构性、突发性和自相似性等特息组成。我们都知道，Internet网络是基于TCP/IP协议，基于［3］［4］征。我们引入半马尔柯夫过程描述网络流量特征，通过包交换运营的。为了保证Internet的正常运行，网络中的路由半马尔柯夫过程中

8、各状态的网络流量特性及各状态间相互转器定期进行路由信息交换。此外，为了保证网络应用的正常换关系，提出了对忙状态下网络流量预测方法。通过三组不运行，网络除了传递相应的数据信息之外，还需传递各种控制同流量特征、不同时间尺度的Trace数据的验证，结果表