论文部分内容阅读
网络建模是指建立正式的网络描述与模拟,可实现对未来网络行为的预测。网络预测对网络流量分布、规律的掌握,可以预测网络的发展状况,有助于网络管理和决策。目前网络行为的建模分析可采用Queuing理论、Petri网、Markov链、Poisson过程等方法,但是这些模型已经不能很好地描述Internet多构性,突发连续性和自相似性等特征。国内外的网络流量预测研究主要集中在网络层和传输层,采用传统时间序列ARIMA模型来描述网络的整体流量趋势,不能很好地描述应用层网络流量的突发特性。新的业务流例如VoIP,不仅改变了当前网络流量的组成和行为特征,而且对Internet网络基础设施提供的QoS提出了新的要求,因此需要对这样一个新的业务流进行行为描述和分析预测,这给我们提出了新的挑战。针对城域出口链路的应用层VoIP流量突发连续性的问题,本文提出了一种优化的ARIMA季节乘积模型,对城域出口链路的应用层VoIP流量应用该模型进行建模与预测,很好地解决了VOIP网络流量在突降区域波动比较大的情况下,比较精确地描述网络流量。实验证明,该模型比传统的ARIMA模型的误差小,并将该模型应用到城域网应用层VoIP网络流量管理当中,效果显著。本文主要完成了以下几个方面的工作:(1)针对网络流量在突降区域波动比较大的问题,对传统的ARIMA模型的改进,提出了一种优化的ARIMA季节乘积模型。该模型将突降点与突降左右邻居点提取出来构成突降点和突降左右邻居点时间序列组,并将这些时间序列组进行二次预测,从而达到预测精度的进一步提高。(2)通过对某城域出口链路上实际采集的应用层VoIP综合统计数据采用优化后的ARIMA季节乘积模型进行建模与预测。实验表明,该模型很好地解决了VoIP网络流量在突降区域波动比较大的情况下,能较精确地描述网络的流量,优化后的ARIMA季节乘积模型比传统的ARIMA模型预测精度提高了5%左右。(3)应用优化的ARIMA季节乘积模型在城域网应用层VoIP网络流量管理当中。通过借鉴灰色系统的GM (1,1)理论模型分解得到流量趋势成分,将优化后的ARIMA季节乘积模型计算出来的预测值与流量趋势成分模型计算出来的流量阀值相比较,实现VoIP流量的告警应用。