[发明专利]一种基于小波分析的网络流量动态预测方法及系统

权利要求书

1.一种基于小波分析的网络流量动态预测方法，其特征在于，包括：

在网络拓扑结构中，对待分析的端到端网络流量数据的初始数据进行归一化处理，得到待分析网络流量的时域信号；

基于小波分析理论，将所述待分析网络流量的时域信号转化为所述待分析网络流量的时频域信号；

将所述待分析网络流量的时频域信号分解为低频分量、中频分量和高频分量，并根据小波的逆变换，分别获取所述待分析网络流量的低频信号、中频信号和高频信号；

分别构建所述待分析网络流量的低频信号、中频信号和高频信号的流量预测模型，并分别得到所述待分析网络流量的低频信号、中频信号和高频信号的预测结果；

对所述待分析网络流量的低频信号、中频信号和高频信号的预测结果进行合成，获取所述待分析网络流量的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述在网络拓扑结构中，对待分析的端到端网络流量数据的初始数据进行归一化处理，得到待分析网络流量的时域信号，包括：

在网络拓扑结构中，将待分析的端到端网络流量数据的初始数据按照预设规则进行归一化处理，得到所述待分析的网络流量的时域信号，所述时域信号值在预设范围内。

3.根据权利要求1所述的方法，其特征在于，所述根据小波的逆变换，分别获取所述待分析网络流量的低频信号、中频信号和高频信号，包括：

根据小波的逆变换，得到所述待分析网络流量在时频域的低频系数、中频系数和高频系数；

根据所述待分析网络流量在时频域的低频系数、中频系数和高频系数，执行小波的逆变换，分别获取所述待分析网络流量的低频信号、中频信号和高频信号。

4.根据权利要求1所述的方法，其特征在于，所述分别构建所述待分析网络流量的低频信号、中频信号和高频信号的流量预测模型，并分别得到所述待分析网络流量的低频信号、中频信号和高频信号的预测结果，包括：

对所述低频信号采用自回归模型进行建模，得到所述待分析网络流量的低频信号的流量预测模型，并得到所述待分析网络流量的低频信号的预测结果；

对所述中频信号采用周期信号模型进行建模，得到所述待分析网络流量的中频信号的流量预测模型，并得到所述待分析网络流量的中频信号的预测结果；

对所述高频信号采用高斯噪声模型进行建模，得到所述待分析网络流量的高频信号的流量预测模型，并得到所述待分析网络流量的高频信号的预测结果。

5.根据权利要求1所述的方法，其特征在于，所述对所述待分析网络流量的低频信号、中频信号和高频信号的预测结果进行合成，获取所述待分析网络流量的预测结果，包括：

对所述待分析网络流量的低频信号、中频信号和高频信号的预测结果进行合成，得到所述待分析网络流量的时域信号；

对所述待分析网络流量的时域信号进行逆归一化处理，得到所述待分析网络流量的估计值，并将所述估计值作为所述待分析网络流量的预测结果。

6.一种基于小波分析的网络流量动态预测系统，其特征在于，包括：

归一化处理单元，用于在网络拓扑结构中，对待分析的端到端网络流量数据的初始数据进行归一化处理，得到待分析网络流量的时域信号；

转化单元，用于基于小波分析理论，将所述待分析网络流量的时域信号转化为所述待分析网络流量的时频域信号；

分解单元，用于将所述待分析网络流量的时频域信号分解为低频分量、中频分量和高频分量，并根据小波的逆变换，分别获取所述待分析网络流量的低频信号、中频信号和高频信号；

预测模型构建单元，用于分别构建所述待分析网络流量的低频信号、中频信号和高频信号的流量预测模型，并分别得到所述待分析网络流量的低频信号、中频信号和高频信号的预测结果；

合成单元，用于对所述待分析网络流量的低频信号、中频信号和高频信号的预测结果进行合成，获取所述待分析网络流量的预测结果。

7.根据权利要求6所述的系统，其特征在于，所述归一化处理单元，具体用于在网络拓扑结构中，将待分析的端到端网络流量数据的初始数据按照预设规则进行归一化处理，得到所述待分析的网络流量的时域信号，所述时域信号值在预设范围内。