[发明专利]数据网流量预测方法

权利要求书

1.一种数据网流量预测方法，其特征在于，包括:

获取待预测的数据网流量数据，将所述数据网流量数据转换为均值为0的流量数据序列；

计算所述流量数据序列的Hurst参数，并对所述流量数据序列进行d阶分数差分处理，对处理后的流量数据序列进行ARMA模式识别，识别出ARMA拟合模型；

利用所述ARMA拟合模型预测所述流量数据序列的数据趋势。

2.根据权利要求1所述的方法，其特征在于，所述的获取待预测的数据网流量数据，将所述数据网流量数据转换为均值为0的流量数据序列，包括：

获取待预测的数据网流量数据的流量统计序列，采用平稳性检验和纯随机性检验来判断所述数据网流量数据是否平滑，如果不平滑，则对流量数据进行数据聚合处理，得到平滑的流量数据序列；

对平滑的流量数据序列进行零均值化处理，将平滑的流量数据序列转换为均值为0的流量数据序列。

3.根据权利要求2所述的方法，其特征在于，所述的计算所述流量数据序列的Hurst参数，并对所述流量数据序列进行d阶分数差分处理，对处理后的流量数据序列进行ARMA模式识别，识别出ARMA拟合模型，包括：

计算出所述均值为0的流量数据序列的Hurst参数，对所述流量数据序列进行d阶分数差分处理，消除所述流量数据序列的长相关性，使所述流量数据序列符合ARMA模型过程；

根据处理后的所述流量数据序列中的样本自相关系数和偏自相关系数选择ARMA模型来拟合处理后的所述流量数据序列，根据多次拟合处理结果识别出所述流量数据序列的ARMA拟合模型，利用LB统计量检验识别出来的ARMA拟合模型的ARMA过程的拟合残差是否为白噪声，如果是，判断识别出来的ARMA拟合模型合格；否则，重新进行ARMA模式识别和参量计算。

4.根据权利要求3所述的方法，其特征在于，所述的方法还包括：

对于给定的数据网流量数据序列，建立多个ARMA拟合模型，利用AIC准则从所有通过检验的ARMA拟合模型中选择最优的ARMA拟合模型。

5.根据权利要求4所述的方法，其特征在于，所述的利用所述ARMA拟合模型预测所述流量数据序列的数据趋势，包括：

利用所述最优的ARMA拟合模型计算得到关于时间t的函数y(t)，将所述函数y(t)作为预测出的所述流量数据序列的数据趋势，函数y(t)为差分方程，y(t)的计算公式如下：

y(t)＝α₁y_t-1+α₂y_t-2+…+α_py_t-p+ε_t+β₁ε_t-1+…+β_qε_t-q

ε_t为白噪声的函数，α与β常数由ARMA模型确定。