[發(fā)明專利]基于量子遺傳算法的FARIMA模型網(wǎng)絡(luò)流量預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110053024.3
• 申請(qǐng)日: 2021-01-15
• 公開（公告）號(hào): CN112866026A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 盛虎;李開心
• 申請(qǐng)（專利權(quán)）人: 大連交通大學(xué)
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;G06N10/00;G06N3/12
• 代理公司: 成都方圓聿聯(lián)專利代理事務(wù)所(普通合伙) 51241
• 代理人: 李鵬

本發(fā)明公開了一種基于量子遺傳算法的FARIMA模型網(wǎng)絡(luò)流量預(yù)測(cè)方法，包括以下步驟：對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行濾波，去除干擾數(shù)據(jù)；對(duì)預(yù)處理后的數(shù)據(jù)求均值，用預(yù)處理后的數(shù)據(jù)與均值做差，進(jìn)行零均值化；估計(jì)FARIMA模型分?jǐn)?shù)差分參數(shù)d；對(duì)零均值化數(shù)據(jù)進(jìn)行d階差分濾波；估計(jì)FARIMA模型分?jǐn)?shù)差分參數(shù)參數(shù)p和q；應(yīng)用估計(jì)FARIMA模型對(duì)流量數(shù)據(jù)進(jìn)行預(yù)測(cè)。本發(fā)明的優(yōu)點(diǎn)是：全局尋優(yōu)的能力非常好，非常適合進(jìn)行網(wǎng)絡(luò)流量預(yù)測(cè)。對(duì)于提高網(wǎng)絡(luò)的運(yùn)行速度以及網(wǎng)絡(luò)利用率是有明顯幫助，可以減少其預(yù)測(cè)的平均絕對(duì)誤差和均方根誤差，提高了網(wǎng)絡(luò)流量預(yù)測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別涉及基于量子遺傳算法的改進(jìn)FARIMA模型網(wǎng)絡(luò)流量預(yù)測(cè)方法。

背景技術(shù)

傳統(tǒng)網(wǎng)絡(luò)流量模型以ARMA模型(自回歸滑動(dòng)平均模型)為主，這種模型是一種短相關(guān)模型，不具有長(zhǎng)相關(guān)特性。隨后網(wǎng)絡(luò)流量特性研究的深入，提出ARIMA (自回歸積分滑動(dòng)平均)模型，這種模型是ARMA模型的改進(jìn)形式，可描述網(wǎng)絡(luò)流量的有限長(zhǎng)相關(guān)特性。近期的網(wǎng)絡(luò)流量研究結(jié)果顯示，網(wǎng)絡(luò)流量具有明顯的長(zhǎng)相關(guān)性特性，需要建立更加準(zhǔn)確的長(zhǎng)相關(guān)模型。FARIMA模型(分?jǐn)?shù)階自回歸滑動(dòng)平均模型)是ARIMA模型的擴(kuò)展形式，差分次數(shù)d取值可以為分?jǐn)?shù)，可以準(zhǔn)確描述網(wǎng)絡(luò)流量長(zhǎng)相關(guān)特性。因?yàn)镕ARIMA模型需要估計(jì)3個(gè)參數(shù)，而且差分次數(shù)d為分?jǐn)?shù)，導(dǎo)致模型的參數(shù)估計(jì)比ARMA模型和ARIMA模型更為復(fù)雜，模型的預(yù)測(cè)結(jié)果也存在一定誤差。目前網(wǎng)絡(luò)流量FARIMA模型參數(shù)估計(jì)主要采用最小二乘或者極大似然估計(jì)法進(jìn)行參數(shù)擬合法，算法不僅計(jì)算量大而且預(yù)測(cè)結(jié)果存在較大誤差。

參考文獻(xiàn)

[1]Song C,Havlin S,Makse,Hernán A.Self-similarity of complex networks[J].Natur,2005,433.

[2]Jean-Philippe Montillet.kegen yu.Modeling Geodetic Processes withLevyα-Stable Distribution and FARIMA.[J]Mathematical geoscienc es,2014,12(12).

[3]Willinger W,TaqquM S,Sherman R.Self similarity through highvariability:statistical analysis of ethernet lan traffic at the sourc e level[J].IEEE ACM trans on networking,1997,1(5):71—86.

[4]Gu J,Gu M,Cao C,et al.A novel competitive co-evolutionar y quantumgenetic algorithm for stochastic job shop scheduling problem [J].ComputersOperations Research,2010,37(5):927-937.

[5]Sheng H,Yan Q,Li K.Alpha Stable Distribution Based FARIMA Modelingand Forecasting for Network Traffic Data[J].Journal of Phys ics ConferenceSeries,2020,1574:012135.

[6]Sheng Z,Wanlu J.A novel quantum genetic algorithm and its application[J].2012.