一种基于自适应反馈调节机制的网络流量灰色预测方法技术

本发明专利技术公开了一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑的目标待预测的连续流量序列，通过归一化处理，构造基于修正因子的反馈修正函数、对归一化的流量序列中的每个元素施加反馈修正函数，之后采用滑动窗口方式对流量序列进行预测获得预测值，并将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比计算流量序列误差，获得三种预测值与真实值的大小关系，根据三种关系更新下一时刻窗口滑动预测的修正因子，最后进行反归一化处理得到待预测的连续流量序列的预测流量序列，本发明专利技术提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精度和效率方面均具有优势。势。势。

【技术实现步骤摘要】
一种基于自适应反馈调节机制的网络流量灰色预测方法


[0001]本专利技术属于信息工程领域，具体涉及一种基于自适应反馈调节机制的网络流量灰色预测方法。

技术介绍

[0002]随着计算机网络技术的飞速发展，网络节点和网络应用的数量呈现爆炸式增长，网络流量的规模日益庞大和复杂，促使网络通信架构由
ꢀ“
固定&规划”的传统网络向
ꢀ“
感知&调控”的智能网络方向演进。在面向“感知&调控”的智能网络通信架构中，关键节点将具备计算和存储功能。由于具备计算功能，原来的大容量数据得到处理变为小容量数据，数据内容得到压缩；由于具备存储功能，网络流量的突发特性得到减弱或增强，流量特性随之改变。上述变化将影响智能网络在异构链路汇聚过程中流量数据的分布规律和统计特性，使得与之相关的网络流量特征描述发生变化，影响智能网络流量预测精度。当前，关于网络流量预测方法主要分为线性预测和非线性预测。
[0003]（1）线性预测线性预测方法主要包括ARMA、ARIMA、FARIMA。四川大学的段华琼等人提出了一种基于ARMA模型的组合预测方法，实现了多个不同尺度的线性模型进行网络数据的组合预测，仿真结果表明该方法的预测均值误差在10
‑3量级，具有较高的预测精度。沈阳工业大学的田中大等人提出了一种高斯过程回归模型补偿自回归积分滑动平均（ARIMA）模型的网络流量预测模型，仿真结果表明该方法具有更高的预测精度和更小的预测误差。北京交通大学的孙强等人提出了一种新型的基于FARIMA模型的铁路数据网流量预测方法，仿真结果表明该方法比传统的基于ARMA模型的预测方法更为精准。上述线性预测方法对于平稳序列具有较好的预测效果，但却难以捕捉非平稳序列中数据的隐含信息。
[0004]（2）非线性预测非线性预测方法主要包括机器学习、深度学习等与人工智能相关的预测方法。南京邮电大学的李颖琦提出了一种基于平滑辅助支持向量机（SSVM）模型实现对非稳态视频流量预测，实验结果表明提出的SSVM模型在预测精度和统计比较方面具有很大优势。韩国科技信息研究所的Hongsuk Yi提出了一种基于超参数搜索的流量预测深度学习模型，实测表明该模型具有很好的流量预测效果。此类方法虽然具有较高的预测精度，但是由于数学建模复杂且依赖大样本数据，导致流量预测过程中的开销不容忽视。
[0005]上述方法虽然能较好的实现对网络流量的预测，但是均无法在精度和效率等方面取得很好的平衡。针对上述问题，国内已有学者提出了根据灰色预测理论实现对网络流量预测的方法。为了提高灰色模型的预测精度，有学者将灰色预测模型与马尔科夫过程相结合，通过统计当前流量的一步转移概率，得到下一时刻流量的上升、下降、稳定频次，从而提高了流量预测的精度。然而，该方法的灰色流量预测算法的复杂度较高。

技术实现思路

[0006]本专利技术的目的在于：解决当前流量预测方法无法在精度和效率等方面取得良好的平衡。保证流量预测效率较高的前提下，实现对网络流量的高精度预测。
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑、以及该网络拓扑的目标待预测的连续流量序列，执行以下步骤S1至步骤S8,获得目标待预测的连续流量序列的预测流量序列；步骤S1、对流量序列进行归一化处理，获得归一化的流量序列；步骤S2、构造基于修正因子的反馈修正函数；步骤S3、初始化反馈修正函数的反馈因子，设的初始值为；步骤S4、根据归一化的流量序列、反馈修正函数、以及反馈修正函数的反馈因子，对归一化的流量序列中的每个元素施加反馈修正函数，获得预处理流量序列；步骤S5、采用窗口滑动一步预测方式对实施GM(1,1)灰色预测，并按顺序保留每一时刻的窗口滑动预测值；步骤S6、根据步骤S5的每一时刻的窗口滑动预测值，将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比，获得各个流量序列误差，之后基于预设流量预测的阈值误差值，获得三种预测值与真实值的大小关系：预测值与真实值差值满足预设范围近似相等、预测值大于真实值、预测值小于真实值；步骤S7、当预测值与真实值差值满足预设范围近似相等时，保持下一时刻窗口滑动预测的反馈因子大小不变，即，随后返回执行步骤S4；当预测值大于真实值时，基于预设反馈因子的修正梯度，更新下一时刻窗口滑动预测的修正因子大小为，随后返回执行步骤S4；当预测值小于真实值时，基于预设反馈因子的修正梯度，更新下一时刻窗口滑动预测的修正因子大小为，随后返回执行步骤S4；步骤S8、将滑动窗口遍历流量序列得到的一系列流量预测结果进行反归一化，得到预测流量序列。
[0008]进一步地，前述的步骤S1具体为：对流量序列进行归一化，得到归一化流量序列， 。
[0009]进一步地，前述的步骤S2中，按如下公式构造基于修正因子的反馈修正函数：其中，为反馈因子。
[0010]进一步地，前述的步骤S4具体为：按如下公式生成预处理流量序:。
[0011]进一步地，前述的步骤S5包括以下子步骤：S5.1、对流量序列初始化，获得初始化后的流量序列；S5.2、预设滑动预测窗口大小为m，将中连续相邻的m个流量样本作为每次预测的初始化序列：，其中；S5.3、计算的一次累加生成序列：；其中，；S5.4、按如下公式计算的紧邻均值生成序列：，其中，S5.5、按如下公式构建和的灰色微分方程：其中，为灰色发展系数，为灰色作用量；S5.6、构建步骤S5.5的灰色微分方程的参数向量，并按如下公式利用最小二乘法对其进行求解：，其中，；
S5.7、根据步骤S5.6求解获得的、，按如下公式计算灰色微分方程的时间响应函数：S5.8、根据步骤S5.7求解得到的，按如下公式计算预测结果：。
[0012]进一步地，前述的步骤S6中获得三种预测值与真实值的大小关系具体为：S6.1、判断是否成立，是则确定预测值与真实值差值满足预设范围近似相等；否则执行步骤S6.2；S6.2、判断是否成立，是则确定预测值大于真实值，否则预测值小于真实值。
[0013]进一步地，前述的网络拓扑结构包括至少一个流量发送节点、以及一个流量接收节点，流量发送节点与流量接收节点之间P2P通信连接。
[0014]进一步地，前述的一种基于自适应反馈调节机制的网络流量灰色预测方法，采用wireshark抓包软件对网络拓扑中的待预测流量进行连续抓取。
[0015]本专利技术的一种基于自适应反馈调节机制的网络流量灰色预测方法 ，采用以上技术方案与现有技术相比，具有以下技术效果：流量预测精度，较于GM(1,1)模型预测提升了6.49%，较于ewboGM(1,1)模型预测提升了1.55%。在Intel(R) Core(TM) i7
‑
9700 CPU@3GHz处理器、32GB内存、64位Win10操作系统下，算法平均预测时长约为0.65秒。上述结果表明，本专利技术提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应反馈调节机制的网络流量灰色预测方法，其特征在于，基于已构建好的网络拓扑、以及该网络拓扑的目标待预测的连续流量序列，执行以下步骤S1至步骤S8,获得目标待预测的连续流量序列的预测流量序列 ；步骤S1、对流量序列进行归一化处理，获得归一化的流量序列；步骤S2、构造基于修正因子的反馈修正函数；步骤S3、初始化反馈修正函数的反馈因子，设的初始值为；步骤S4、根据归一化的流量序列、反馈修正函数、以及反馈修正函数的反馈因子，对归一化的流量序列中的每个元素施加反馈修正函数，获得预处理流量序列；步骤S5、采用窗口滑动一步预测方式对实施GM(1,1)灰色预测，并按顺序保留每一时刻的窗口滑动预测值；步骤S6、根据步骤S5的每一时刻的窗口滑动预测值，将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比，获得各个流量序列误差，之后基于预设流量预测的阈值误差值，获得三种预测值与真实值的大小关系：预测值与真实值差值满足预设范围近似相等、预测值大于真实值、预测值小于真实值；步骤S7、当预测值与真实值差值满足预设范围近似相等时，保持下一时刻窗口滑动预测的反馈因子大小不变，即，随后返回执行步骤S4；当预测值大于真实值时，基于预设反馈因子的修正梯度，更新下一时刻窗口滑动预测的修正因子大小为，随后返回执行步骤S4；当预测值小于真实值时，基于预设反馈因子的修正梯度，更新下一时刻窗口滑动预测的修正因子大小为，随后返回执行步骤S4；步骤S8、将滑动窗口遍历流量序列得到的一系列流量预测结果进行反归一化，得到预测流量序列。2.根据权利要求1所述的一种基于自适应反馈调节机制的网络流量灰色预测方法，其特征在于，步骤S1具体为：对流量序列进行归一化，得到归一化流量序列，。3.根据权利要求2所述的一种基于自适应反馈调节机制的网络流量灰色预测方法，其特征在于，步骤S2...

【专利技术属性】
技术研发人员：潘成胜，王英植，石怀峰，施建锋，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：