基于混沌時問序列和神經網絡的網絡流量預測方法

0 引 言

隨著互聯網業務量急劇增長，網絡性能和服務質量方面的問題日益突出。在網絡資源有限的情況下，建立網絡流量模型，預測網絡負載，及時做出控制或調整，將會極大提高網絡性能和服務質量。針對網絡流量預測研究了最初使用的主要有基于AR，ARIMA的線性預測模型，算法較簡單，但其自適應性較差。建立在流量自相似基礎上的FARIMA模型，可以同時捕捉網絡流量的長相關和短相關特征，在小時間尺度和多步網絡流量預測上有較好的表現，但計算量較大。神經網絡對非線性函數關系具有良好的逼近能力，適于描述網絡流量的非線性、時變性的復雜因素。