[发明专利]数据网流量预测方法

说明书

本发明提供了一种数据网流量预测方法。该方法包括：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。本发明实施例通过获取数据网流量序列的ARMA拟合模型，可以有效地预测出数据网流量数据序列的数据趋势。能够提前预知并且扩大带宽，避免丢包、延时等网络性能的劣化，保障网络运行安全。在业务网络空闲时，能够合理规划带宽，节省带宽资源。

技术领域

本发明涉及网络信息化技术领域，尤其涉及一种数据网流量预测方法。

背景技术

随着网络信息化的快速发展和业务多样化的需要，铁路数据网是承载铁路MIS(Management Information System，管理信息系统)数据交互、视频会议、视频监控等通信信息的主要平台，构建在铁路数据网上的应用越来越多，各应用的业务对带宽需求也越来越大，各应用的复杂程度和对网络的依赖程度日益增高。准确了解了当前及未来网络负载情况对于网络运营、网络规划具有重要意义，能够避免由于局部资源紧张而带来的网络拥塞，实现未来网络动态带宽管理以及智能化调度平台。

目前，数据网还处于简单粗略的监控阶段，因此，开发一种有效的对网络流量进行合理高效的建模分析，预测网络流量趋势的方法是一个亟待解决的问题。

发明内容

本发明提供了一种数据网流量预测方法，以实现有效地预测网络流量趋势。

为了实现上述目的，本发明采取了如下技术方案。

一种数据网流量预测方法，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。

优选地，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。

优选地，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。

优选地，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。