[发明专利]基于信号分解和周期特性的网络流量特征指标预测方法

权利要求书

1.基于信号分解和周期特性的网络流量特征指标预测方法，其特征在于：包括以下步骤：

信号分解步骤：使用EMD信号分解算法，对网络流量特征指标时间序列进行经验模态分解，得到多个分量和一个残余项；

周期计算步骤：计算各个分量的周期，利用快速傅里叶变换计算每个分量各自的周期；

分量预测步骤：对各个分量进行单独的预测，根据每个分量的周期，对分量中周期点进行重新采样，形成新的采样时间序列，并针对该采样时间序列开展回归预测，最后使用回归方法对残余项进行预测；

具体步骤如下：

根据某个分量IMF_i的周期T_i，对IMF_i分量中的周期点进行重新采样，形成新的采样时间序列；针对新的采样时间序列开展回归预测，从而得到该分量的预测输出output_i；针对所有IMF分量的预测全部完成后，最后使用回归方法对残余项R_m进行预测，获得R_m的预测输出output_R；

回归预测具体是指，根据需要预测的未来时刻t，从IMF_i中依次选取该分量历史数据中的周期点成员，即距离时刻点t的时间距离为T_i整数倍的成员，组成新的时间序列，然后针对未来一段时间所有时刻点，重复上述预测过程，得到针对未来一段时间内所有时刻点的预测结果，从而得到该分量的预测输出output_i；

结果输出步骤：对各分量的预测输出以及残余项输出进行逐项求和，得到最终预测结果。

2.如权利要求1所述的一种基于信号分解和周期特性的网络流量特征指标预测方法，其特征在于：所述信号分解步骤中，使用EMD信号分解算法，对网络流量指标时间序列进行经验模态分析，将其按频率高低分解为多个分量。

3.如权利要求1所述的一种基于信号分解和周期特性的网络流量特征指标预测方法，其特征在于：所述周期计算步骤中，利用快速傅里叶变换计算每个信号分量IMF_i的信号周期T_i和比重，而对残余项R_m不做周期分析。

4.如权利要求1所述的一种基于信号分解和周期特性的网络流量特征指标预测方法，其特征在于：所述结果输出步骤：对各分量的预测输出output_i以及残余项预测输出output_R进行逐项求和得到最终预测结果RESULT。

5.如权利要求4所述的一种基于信号分解和周期特性的网络流量特征指标预测方法，其特征在于：所述结果输出步骤中，求和过程为：将多个output_i以及output_R中相同时刻点的预测值进行分别累加，即将每个时刻点的不同分量预测结果进行累加运算，从而得到针对未来一段时间的最终预测结果时间序列RESULT。