[发明专利]一种混杂数据流分流量峰值预测方法

摘要

本发明的目的是：提高混杂数据流中分流量峰值预测的结果。为用户或系统提供更加准确的系统流量信息，并对系统的弹性伸缩提供更为准确的指标参数。为了达到上述目的，本发明的技术方案是提供了一种混杂数据流分流量峰值预测模型与方法。本发明提出延迟相关系数模型，在原有的时差相关分析法中引入了滑动时间窗口，可以更有效地计算得到延迟时间与延迟相关系数。本发明提出的混杂数据流分流量峰值预测方法，在原有单一预测模型的结果基础上引入辅助分流量对主分流量的影响，最终提高了最终峰值预测的结果。

主权项

1.一种混杂数据流分流量峰值预测方法，其特征在于，包括以下步骤：步骤1、输入混杂数据流，混杂数据流包括要预测的主分流量及辅助分流量；步骤2、计算混杂数据流中要预测的主分流量与其他辅助分流量之间的延迟相关系数与延迟时间，包括以下步骤：步骤201、将主分流量定义为X＝{x₁,x₂,…,x_l}，将辅助分流量定义为Y＝{y₁,y₂,…,y_l}，式中，l为观测值个数，x_l表示主分流量中第l个观测值，y_l表示辅助分流量中第l个观测值，计算主分流量X与辅助分流量Y之间的延迟相关系数，得到最佳的延迟时间与延迟相关系数；步骤202、遍历所有延迟时间的情况，定义当前的延迟时间为e，判断是否遍历完所有可能的延迟时间，若遍历完所有可能的延迟时间，则跳转至步骤210，若未遍历完所有可能的延迟时间，进入步骤203；步骤203、遍历所有时间窗口情况，定义时间窗口大小为h，定义滑动距离为t，若已遍历完，则跳转至步骤206，若未遍历完，则进入步骤204；步骤204、计算当前延迟时间e下当前时间窗口的相关系数：当前主分流量的滑动时间窗内序列为X_t＝{x_t‑h,x_t‑h+1,…,x_t}，x_t表示序列X中第t个观测值，辅助分流量的滑动时间窗内序列Y_t‑e＝{y_t‑h‑e,y_t‑h‑e+1,…,y_t‑e}，y_t‑e表示序列Y中第t‑e个观测值，那么在延迟时间e、滑动距离t下，延迟相关系数式中，ρ(·)表示计算Pearson相关系数；步骤205、累加当前延迟时间e下的相关系数：在当前延迟时间e下，对所有的滑动时间窗的延迟相关系数进行累加；步骤206、计算得到当前延迟时间e下延迟相关系数均值作为主分流量与辅助分流量在延迟时间e下延迟相关系数dρ(X,Y)_e：步骤207、如果步骤206计算得到的延迟相关系数大于等于最大延迟相关系数，则进入步骤208，否则进入步骤202；步骤208、将当前两分流量的最大延迟相关系数更新为步骤206计算得到的延迟相关系数；步骤209、将当前两分流量的延迟时间更新为步骤206计算延迟相关系数时的延迟时间；步骤210、输出主分流量与辅助分流量的延迟相关系数与延迟时间；步骤3、根据计算得到的最大延迟相关系数，选取主分流量的辅助分流量；步骤4、对主分流量进行预测。