[发明专利]基于网络层析成像技术的网络流量矩阵预测方法

摘要

基于网络层析成像技术的网络流量矩阵预测方法，它属于网络流量矩阵预测领域。本发明解决了由于观测矩阵属于确定性矩阵，其受网络拓扑结构限制，因此难以满足压缩感知理论的RIP原则，以及网络流量矩阵发生突变导致的预测误差大的问题。本发明基于路由矩阵构造观测矩阵和观测结果矩阵，避免了观测矩阵受网络拓扑结构限制，导致难以满足压缩感知理论的RIP原则的问题；通过计算网络流量矩阵的样本数据的每个子样本片段对应的一组正交基得到近似过完备正交基集合，再通过稀疏系数估计值重构出网络流量矩阵，在网络流量矩阵发生突变时，本发明方法应用于Abilene网络流量矩阵预测时的平均预测误差小于10％。本发明可以应用于网络流量矩阵预测领域用。

主权项

1.基于网络层析成像技术的网络流量矩阵预测方法，其特征在于，该方法包括以下步骤：步骤一、基于路由矩阵构造观测矩阵R和观测结果矩阵L，并建立观测矩阵R和观测结果矩阵L的关系式；步骤二、对网络流量矩阵的样本数据X进行等间隔划分，得到π个网络流量矩阵的子样本片段X(1),X(2),...,X(π)，分别计算每个子样本片段对应的重建网络流量矩阵的一组正交基，得到过完备正交基的集合为步骤三、设定中间变量矩阵观测信号为l_q，稀疏度为K；初始化残差r₀＝l_q，初始化信号支撑集步骤四、从中间变量矩阵Φ中寻找与信号相关性最强的信号支撑索引，将寻找到的最强信号支撑索引I对应的φ_j′加入信号支撑集，其中，φ_j′为矩阵Φ的第j′列，得到更新后的信号支撑集Φ₁；利用更新后的信号支撑集Φ₁计算稀疏系数估计值利用稀疏系数估计值更新残差，得到更新后的残差r₁；步骤五、重复执行步骤四的操作，直至迭代次数达到K，利用第K次迭代对应的稀疏系数估计值重构出测量时间点q上的网络流量矩阵同理，重构出其它测量时间点上的网络流量矩阵，得到网络流量矩阵