基于局域相关向量机回归模型的小尺度网络流量的非线性预测.pdfVIP

物理学报 Acta Phys. Sin. Vol. 62, No. 15 (2013) 150509 基于局域相关向量机回归模型的小尺度网络 流量的非线性预测* † 孟庆芳 陈月辉 冯志全 王枫林 陈珊珊 ( 济南大学信息科学与工程学院, 济南 250022 ) ( 山东省网络环境智能计算技术重点实验室, 济南 250022 ) ( 2013 年1 月10 日收到; 2013 年4 月24 日收到修改稿) 基于非线性时间序列局域预测法与相关向量机回归模型, 本文提出了局域相关向量机预测方法, 并应用于预测 实际的小尺度网路流量序列. 应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型 的邻近点个数. 对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测 性能, 其中前馈神经网络模型的参数采用粒子群优化算法来优化. 实验结果表明: 邻近点优化后的局域相关向量机 回归模型能够有效地预测小尺度网络流量序列, 归一化均方误差很小; 局域相关向量机回归模型生成的时间序列具 有与原网络流量时间序列相一致的概率分布; 局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局 域线性预测法的. 关键词: 小尺度网络流量, 非线性时间序列预测方法, 局域预测法, 相关向量机回归模型 PACS: 05.45.Tp, 05.45.Pq, 05.45.Ac DOI: 10.7498/aps.62.150509 近年来, 通信与网络技术的飞速发展使网络流 1 引言 量的特性发生重大变化, 网络流量特性分析与模型 建立已从大尺度上转移到小尺度上来. 已有研究表 网络流量的特性刻画与模型建立一直是网络 明网络流量在小尺度上的特性不同于其在大尺度 67 技术研究中的一个热点问题. 一个具有精确刻画能 上的特性 . 因此, 原有的大尺度流量模型不再适 力的模型的建立, 对分析、理解和仿真网络的动态 用于小尺度流量模型. 行为, 对指导网络流量均衡控制方案的设计, 对相 基于非线性动力学理论的非线性时间序列分 关网络路由、交换和管理设备及其支撑软件的开 析提供了处理非线性不规则时间序列新的方法和 发都具有基础性的重要意义. 思路8−23 . 已有研究表明网络流量序列中存在非 复杂性是网络信息传输的一个关键问题. 网络 线性确定性成份2425 . 本文将应用非线性时间序 流量的复杂性表现为多种形式, 例如长相关特性和 列预测方法来预测小尺度网络流量序列. 本文的研 自相似性. 现有研究表明不同尺度的网络流量表 究将对小尺度网络流量有更加深入的认识. 现出不同的性质. 网络流量的复杂性表明网络流 非线性时间序列预测方法可被分为两类: 全局 量不能仅在现有的网络流量建模预测的框架内分 预测法9−14 与局域预测法15−23 . 近年来, 神经网 析1−3 . 应该把适合网络流量特性的新的信号处理 络9−12、支持向量机(SVM)1314 等全局模型已广 理论与方法应用于网络流量的特性刻画、建模预 泛的应用于非线性时间序列预测中. 前馈神经网 45