[發明專利]基于混合整數規劃的網絡流量建模和預測方法和裝置

在審

• 申請號: 202211627689.1
• 申請日: 2022-12-16
• 公開（公告）號: CN115941511A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙訓威;王志剛;白杰;張春玲;郭光明;胡明;付海璇
• 申請（專利權）人: 國網信息通信產業集團有限公司
• 主分類號: H04L41/147
• 分類號: H04L41/147;H04L41/14;H04L41/142
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 范巍

本發明公開了基于混合整數規劃的網絡流量建模和預測方法和裝置，引入了Box集的相關概念，建立了基于混合整數規劃的流量模型。在該建模和優化問題中，將網絡流量時間序列轉化為高維點集，以在所有情境下切割冗余空間最多為目標，通過建立了混合整數規劃模型來求解Box集的多個超平面邊界。在該優化問題中，可以保證所有情景下一段流量時間序列對應的點都被包含在這個Box集合中，保證在對未來數據做區間預測時可以有較小的估計誤差。同時引入了多個預算約束，在這一模型的基礎上對時間序列進行預測。預算約束主要由對網絡流量的分析結果得到，通過這些預算約束可以保證描述網絡流量的Box集更加精確。

技術領域

本發明屬于于網絡流量分析技術領域，具體涉及基于混合整數規劃的網絡流量建模和預測方法和裝置。

背景技術

網絡流量是網絡上傳輸的數據量，網絡流量是網絡性能研究的重要基礎，所有的網絡行為特點都可以通過網絡流量分析來獲得。一般認為網絡流量具有以下幾方面的特點：自相似性，長相關性，周期性，突發性等等。

園區網絡在結構上，整體上呈現樹狀結構，比較龐大的園區網絡局部還會有星型結構存在。一般來說，園區網絡可以分為接入層、匯聚層和核心層三層結構，由于接入層連接的交換機以及向下拓展的AP和終端非常多，導致了園區流量中流量的加入、退出，以及流量本身吞吐及報文大小都不定，隨機性強，約束條件多。因此如何分析網絡上運載的流量，實時采集高帶寬高負荷的網絡環境中的流量，并能對最新網絡協議動態支持，實施網絡流量建模和性能分析，改善和優化網絡性能，是研究人員一直致力解決的問題。

目前，網絡流量多針對流量時間序列展開分析，網絡模型包括傳統的網絡流量模型、自相似網絡流量模型、基于機器學習的預測模型等等。具體有馬爾可夫模型、泊松過程模型、FBM/FGN模型、多重分形小波模型等等。

當前，基于機器學習的預測模型，如LSTM，以及混沌理論模型的使用已日趨普遍，但在對實際網絡流量建模的過程中，由于園區網絡中有線側擁塞、突發丟包；無線側隨機丟包。園區無線側吞吐受環境影響較大，當接入的STA數量增多，或者空口狀態發生變化時，無線空口物理層由于干擾都會引起隨機丟包，建模的實際精度無法令人滿意。網絡流量固有的餛鈍性和多分形性，雖然每個模型都有各自的特點，但它們的相關結構都呈現指數衰減，在數學表征上表現為自相關函數的迅速衰減，無法準確刻畫網絡流量。在對未來時間節點的網絡流量數據量大小做預測時，無法適用于所有的應用場景。

該方案希望通過研究一個基于混合整數規劃的網絡流量的較優建模和預測策略，結合實際網絡數據，在滿足流量自相似性、長相關性的同時，最小化預測誤差，并根據建立的模型通過滾動預測的方式來描述網絡流量的不確定性。

發明內容

為了解決上述問題，本發明提供了基于混合整數規劃的網絡流量建模和預測的計算過程和優化方法，能夠準確描述網絡流量的周期性、自相關性和隨機性，提高網絡流量建模精度通過滾動預測的方式，準確給出未來若干個時間點的區間預測結果。

為達到上述目的，本發明所述基于混合整數規劃的網絡流量建模和預測方法，包括以下步驟：

S1、收集園區網絡中各個終端的網絡流量傳輸數據；

S2、構建流量傳輸數據的Box集，根據S1收集到的網絡流量傳輸數據，建立混合整數規劃模型來求解描述流量不確定性的Box集，利用Box集構建數學規劃問題進行滾動預測，得到流量數據的預測結果；

S3、根據S2得到的流量數據的預測結果對包含終端和多種交換機設備的園區網絡系統運行進行控制。

進一步的，S1包括以下步驟：

S1.1、使用Netflow軟件進行網絡流量數據包采集；

S1.2、將所接收的數據包流量信息匯聚成一條條的流。

進一步的，S2包括以下步驟：