[发明专利]基于历史流量数据时间序列的流量预测方法有效

专利信息
申请号: 201910999685.8 申请日: 2019-10-21
公开(公告)号: CN110730099B 公开(公告)日: 2022-02-08
发明(设计)人: 周琨;汪文勇;唐勇;黄鹂声;张骏;张文;刘宝阳 申请(专利权)人: 电子科技大学
主分类号: H04L41/0213 分类号: H04L41/0213;H04L41/14;H04L41/147;H04L41/142;H04L43/0894
代理公司: 成都天嘉专利事务所(普通合伙) 51211 代理人: 冉鹏程
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 历史 流量 数据 时间 序列 预测 方法
【说明书】:

发明属于网络流量数据监测技术领域,公开了基于历史流量数据时间序列的流量预测方法,包括网络流量特征分析与设计、流量数据获取与预处理、流量模型设计和建模及预测步骤,考虑流量数据特征、预测准确性、复杂度、可优化维护等需求后,设计一种传统的时间序列建模方法,对网络流量进行预测。

技术领域

本发明属于网络流量数据监测技术领域,具体涉及一种基于历史流量数据时间序列的流量预测方法。

背景技术

计算机网络技术的不断发展促进了各类网络服务的大量应用,这对网络的性能及服务质量有了更高的要求。网络流量预测作为网络管理、调控的重要方式之一,已吸引了大量学者进行研究,而将历史流量的时间序列数据作为基础来进行未来流量的预测也是一个很重要的方向。

时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。

时间序列是按照时间排序的一组随机变量,它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势,而时间序列预测方法的核心就是从数据中挖掘出这种规律,并利用其对将来的数据做出估计。

时间序列的构成要素:长期趋势,季节变动,循环变动,不规则变动,其中:

1)长期趋势(T)现象在较长时期内受某种根本性因素作用而形成的总的变动趋势。

2)季节变动(S)现象在一年内随着季节的变化而发生的有规律的周期性变动。

3)循环变动(C)现象以若干年为周期所呈现出的波浪起伏形态的有规律的变动。

4)不规则变动(I)是一种无规律可循的变动,包括严格的随机变动和不规则的突发性影响很大的变动两种类型。

时间序列建模及预测大致可分为传统和基于深度学习的方法,传统的建模如随机过程、自回归过程AR、移动平均过程MA或自回归移动平均过程ARMA等研究相对较成熟。虽然现有的深度学习如LSTM技术在序列预测领域,取得了比传统模型更好的准确性,但其复杂度一般高于传统模型,需要设计深度学习神经网络,而传统模型的一些简单参数甚至可以在excel办公软件中计算获取,所需的计算资源较小;并且深度学习模型一般缺乏可解释性,如输入层及隐藏层节点数设计、超参数设计等。

发明内容

本发明提供了一种流量预测的解决方案,通过分析网络流量特征,并综合考虑预测准确性、复杂度、可优化维护等需求后,设计一种根据计算机网络历史流量时间序列进行流量预测的方法。

本发明公开的基于历史流量数据时间序列的流量预测方法,其特征在于,包括以下步骤:

历史流量数据采集与处理步骤,将需要预测流量的待预测时间长度按照分成若干连续的预测时段作为指定时间尺度;获取网络历史流量数据,将网络历史流量数据所对应的时间长度也按照指定时间尺度分成若干连续的历史时段,并将网络历史流量数据按照各自时间进行整理对应归集至对应的历史时段中,计算获得网络历史流量数据在指定时间尺度下的网络历史流量时间序列;

实时流量数据采集与处理步骤,通过SNMP技术获取实时网络流量数据,对实时网络流量数据进行预处理,并根据所获取的实时网络流量数据时间进行归集,形成如历史流量数据采集与处理步骤中所述的指定时间尺度下的实时网络流量数据时间序列;

分析与建模步骤,采用深度学习的方法对历史流量数据采集与处理步骤中的网络历史流量时间序列进行特征分析建立包含时段流量数据的模型库、通过ARIMA模型建模得到时间序列预测模型,通过所述实时流量数据采集与处理步骤中的实时网络流量数据时间序列数据的特征对应预测得到预测流量结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910999685.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top