基于Hurst指數(shù)的軟件失效數(shù)據(jù)長相關(guān)特征分析

王哲璇 尹俊添 魯銳

摘要 Hurst指數(shù)反映了事物發(fā)展過程的長記憶性程度，揭示了事物發(fā)展過去、現(xiàn)在和未來之間的內(nèi)在聯(lián)系，并以時間序列的自相似性和長程相關(guān)性體現(xiàn)了事物的發(fā)展變化情況。本文基于Hurst指數(shù)，對軟件失效時間間隔數(shù)據(jù)進行Ma tlab處理，進而分析得到其長程相關(guān)性。并通過移動Hurst指數(shù)處理，獲得更為準確的分析結(jié)果。

【關(guān)鍵詞】Hurst指數(shù) 移動Hurst 指數(shù) 長相關(guān)特征 軟件失效

1 引言

在當(dāng)今社會，計算機技術(shù)飛速發(fā)展。人類對于計算機系統(tǒng)需求的增長，要求人類設(shè)計、實現(xiàn)、測試和維護這些系統(tǒng)的能力應(yīng)得到相應(yīng)的提升，否則將產(chǎn)生嚴重的計算機失效危機。顯然，提高計算機軟件系統(tǒng)的可靠性，對于計算機開發(fā)者以及軟件維護人員來講，是一個艱巨且重要的挑戰(zhàn)。

2 分析方法

2.1 Hurst指數(shù)

Hurst指數(shù)是水利專家Hurst在研究尼羅河水庫水流量和貯存關(guān)系時，提出的用來描述分形布朗運動特性的參量。Hurst指數(shù)反映了事物發(fā)展過程的長記憶性程度，揭示了事物發(fā)展過去、現(xiàn)在和未來之間的內(nèi)在聯(lián)系。通過研究Hurst指數(shù)隨時間尺度的變化規(guī)律，可合理預(yù)測事物變化發(fā)展的趨勢。在估計Hurst指數(shù)時，R/S分析法（重標(biāo)極差法）最為常用。

log（R/S）n=Hlogn+loga

式中，R/S為重標(biāo)極差，a和H為常數(shù)，稱H為Hursr指數(shù)。用最小二乘法對log（R/S）。與logn作回歸，回歸直線的斜率即為Hurst指數(shù)H的估計值。

2.2 Hurst指數(shù)與長程相關(guān)性的關(guān)系

（1） H=l/2時，該時間序列為獨立同分布的隨機序列，即過去狀況與未來趨勢之間不存在相關(guān)性。

（2）H≠1/2時，該時間序列為非隨機序列，即過去狀況與未來趨勢之間有關(guān)。

（3） 1/2

（4） O

3 分析對象

本文利用間隔時間單位為秒的軟件失效時間間隔數(shù)據(jù)進行Hurst指數(shù)分析。數(shù)據(jù)來源于軟件失效測量系統(tǒng)SYS3的檢測結(jié)果，共有數(shù)據(jù)207個。

前三個數(shù)據(jù)為：39，10，4。以前三個數(shù)據(jù)為例，我們對數(shù)據(jù)含義進行解釋：第一次軟件失效與第二次軟件失效的時間間隔為39秒，第二次軟件失效與第三次軟件失效的時間間隔為10秒，第三次軟件失效與第四次軟件失效的時間間隔為4秒。我們利用以上數(shù)據(jù)來進行Hurst指數(shù)估計。

4 計算軟件失效的Hurst指數(shù)

如圖1所示，通過運行我們編寫的MATLAB程序，我們獲得了Hurst指數(shù)的圖像，趨勢為一條向右上方傾斜的曲線，波動范圍較小，類似于線性圖像。因此我們利用線性擬合，做出該圖形的線性擬合圖像。由R/S分析法知，該線性圖形的斜率即為Hurst指數(shù)。結(jié)果為H=0.6337>0.5。通過在本文第二部分的分析中我們可以了解到：這組數(shù)據(jù)序列具有長期相關(guān)性（或稱長期記憶性），即未來趨勢與過去趨勢一致，且對初始條件有敏感依賴性。盡管序列相關(guān)性并不強，但在一定程度上說明軟件失效時間并沒有呈現(xiàn)出隨機游走的特性，并不是一個獨立過程，而是表現(xiàn)出相互依存的關(guān)系。這表明進行軟件時間間隔的分析是有規(guī)律可循的。從另一方面來講，說明了在未來的研究中，我們可以進一步探究失效時間的規(guī)律性，可以進行下次失效時間的預(yù)測。

5 計算軟件失效的移動Hurst指數(shù)

5.1 移動Hurst指數(shù)

Hurst指數(shù)能進行長程相關(guān)性的分析，但是無法分析信號的時變特性，因此我們接下來將引入移動Hurst指數(shù)。移動Hurst指數(shù)即對單步的Hurst指數(shù)進行移動平均處理，使處理后的Hursr指數(shù)序列，既保留了原Hurst指數(shù)序列的趨勢性，又提出Hurst指數(shù)波動的偶然性波動。由于移動Hurst指數(shù)反復(fù)計算了序列，所以比原始的Hurst指數(shù)有更好的準確性和代表性。我們可以更加確信通過移動Hurst指數(shù)獲得的結(jié)果。同時也從側(cè)面證明了Hurst指數(shù)確實可以表明序列是均值回復(fù)還是反持久性的。

5.2 計算軟件失效的移動Hurst指數(shù)

通過數(shù)據(jù)波形與移動Hursr指數(shù)圖2我們可以發(fā)現(xiàn)：

（1）移動Hurst指數(shù)大部分時間位于0 5以上，與Hurst指數(shù)計算結(jié)果相符。表示軟件失效時間并沒有呈現(xiàn)出隨機游走的特性，不是一個獨立過程，而是表現(xiàn)出相互依存的關(guān)系。因此對于軟件失效時間間隔分析是有規(guī)律可循的。

（2）由圖2我們看到，數(shù)據(jù)波形與Hurst移動平均指數(shù)均是曲線形狀，且走勢類似。但有部分點存在原始數(shù)據(jù)波形與Hurst移動指數(shù)呈現(xiàn)出相反趨勢的情況。將圖形放大，得到接下來放大了的前一百個數(shù)據(jù)局部圖3。

通過前一百個數(shù)據(jù)的放大的局部數(shù)據(jù)波形與移動Hurst指數(shù)圖3，我們可以發(fā)現(xiàn)：

圖像中可以找到一些異常點，如50，57，99。在原始數(shù)據(jù)波形中，第50號、57號數(shù)據(jù)在局部中一直處于上升趨勢;而在移動Hurst指數(shù)圖像中，兩點所在位置均為局部的最低點。這表明，第50號、第57號數(shù)據(jù)有極大可能為異常點，將不再符合原來趨勢上升，而是在接下來一段時間內(nèi)出現(xiàn)下降趨勢。而第99號數(shù)據(jù)與以上兩點相反，因具有局部最高的移動Hurst指數(shù)，原始數(shù)據(jù)很有可能不再符合原始規(guī)律繼續(xù)下降，而是轉(zhuǎn)為上升。在第100號數(shù)據(jù)以后的107個數(shù)據(jù)中，具有此類性質(zhì)的還有第136，第147，第196號數(shù)據(jù)等等。這說明，在總體情況下，移動Hurst指數(shù)表征了數(shù)據(jù)的長程相關(guān)性，但同時也存在一些異常點，也可稱作離群點。在以后的研究中，要注意到此類數(shù)據(jù)的存在，特殊處理，才能達到最優(yōu)的分析效果。

6 結(jié)語

本文基于Hurst指數(shù)，進行了軟件失效數(shù)據(jù)時間間隔的數(shù)據(jù)處理與分析。通過Matlab軟件計算Hurst指數(shù)，得到其結(jié)果大于0.5，表明了本數(shù)據(jù)的長程相關(guān)特性。此外，應(yīng)用了移動Hurst指數(shù)，進行了更為準確的分析處理，發(fā)現(xiàn)處理結(jié)果與Hurst指數(shù)處理結(jié)果基本相符，但同時也發(fā)現(xiàn)仍存在少量異常點，這些數(shù)據(jù)需要在今后分析中進行特殊處理。在未來的工作中，計劃建立Hurst指數(shù)與系統(tǒng)負載、故障事件之間的關(guān)聯(lián)，診斷出導(dǎo)致軟件失效衰退的構(gòu)件，規(guī)避軟件失效，實施積極的恢復(fù)策略。

參考文獻

[1]呂金虎.混沌時間序列分析及其應(yīng)用[M].武漢：武漢大學(xué)出版社，2015： 157 -160.

[2]葉建萍，資本市場的Hurst指數(shù)估計[D].廣西師范大學(xué)，2010.

[3]謝幼瓊，顧圣平，城市用水時間序列的Hurst指數(shù)研究[J].水電能源科學(xué)，2012，30 （12）： 27-29.

[4]徐建，張琨，游靜，劉鳳玉，基于分形的軟件衰退預(yù)測[J].系統(tǒng)仿真學(xué)報，2007 （03）：549-551.