網(wǎng)絡業(yè)務流量的自回歸

摘  要

隨著計算機網(wǎng)絡的迅速發(fā)展，目前的網(wǎng)絡規(guī)模極為龐大和復雜，因此發(fā)生各種問題的可能性越來越大，同時管理網(wǎng)絡的難度也越來越大。在這種背景下，建立一種恰當?shù)臄?shù)學模型以反映網(wǎng)絡行為顯得尤為重要。
本文首先簡要介紹了時間序列分析的基本理論和方法，重點介紹了時間序列、平穩(wěn)隨機過程的基本概念和滑動自回歸模型的矩估計、預測的基本理論和步驟。在此基礎之上，根據(jù)實際采集的網(wǎng)絡流量數(shù)據(jù)的觀測值序列，建立了滑動自回歸模型。
    在建立滑動自回歸模型的過程中，首先使用格拉布斯準則判斷觀測值序列是否存在異常數(shù)據(jù),剔除這些異常數(shù)據(jù)以建立網(wǎng)絡流量的正常行為模式。然后利用方差分析的方法對該序列進行平穩(wěn)化處理使之適合滑動自回歸模型，再利用殘差方差圖定階法確定模型的階數(shù)，利用矩估計的方式估計出ARMA(2,1)模型的參數(shù)，用線性最小均方誤差預測方法對網(wǎng)絡流量做出預測。最后改進了一種基于比較網(wǎng)絡流量的預測值與其區(qū)間閾值以發(fā)現(xiàn)網(wǎng)絡異常與故障的方法。這樣就使得在網(wǎng)絡異常發(fā)生之前或網(wǎng)絡發(fā)生異常的最短時間內(nèi)，網(wǎng)絡管理人員即可做出相應的判斷，采取行之有效的防范措施以保證網(wǎng)絡的正常服務。這種方法改變了以往的網(wǎng)絡管理響應方式，使得網(wǎng)絡異常的預警成為可能。

【關鍵詞】ARMA  平穩(wěn)化  矩估計  預測  網(wǎng)絡異常檢測

 
 
ABSTRACT

With the rapid development of computer networks, the size and complexity of current network has been more and more large.So the possibility of occurrence of various problems has been increasingly. In this context, the establishment of a mathematical model which appropriate to reflect the network behaviour is especially important.
    This paper introduces the basic theory and methods of time series analysis, focuses on the basic concept of time series and stationary random process and the basic theory and procedures of the moment estimation of ARMA model and prediction. On this basis, this paper establishes the parameters of ARMA model according to the actual network traffic data collected by the sequence of observations.
    In the process of model building, Grabs Criteria is used to judge the existence of observations abnormal data, excluding these unusual network traffic data in order to establish the normal behaviour patterns. And then ANOVA is used for the stableness of ARMA models in order to fix  the model.And the use of moment estimator methods estimate the ARMA (2,1) model parameters.The paper also make use of LMMSE method to predict network traffic .Finally, the paper improved an algorithm based on the forecast which compared with the range of threshold values to detect network anomalies and failures of the method. In this way network managers can make appropriate judgments and take effective preventive measures to ensure normal network services before they occur in the shortest possible time an exception occurs. This method has changed in response to the past, network management approach, making the early warning network anomalies possible.

【Key words】ARMA  Stabilize  Moment Estimator  Prediction  Network Anomaly Detection                

目  錄

第一章 緒論 1
第一節(jié)  研究背景 1
第二節(jié)  網(wǎng)絡業(yè)務流量研究的意義 2
第三節(jié) 本章小結 3
第二章 時間序列分析的基本理論與方法 4
第一節(jié) 時間序列分析的相關概念 4
一、 時間序列 4
二、 時間序列分解 5
三、 平穩(wěn)隨機過程的概念及判定 6
四、 隨機過程的統(tǒng)計描述 8
第二節(jié) 滑動自回歸平均模型（ARMA） 9
一、 滑動自回歸平均模型 9
二、 滑動自回歸平均模型的相關矩估計 10
三、 滑動自回歸平均模型的預測 12
第三節(jié) 本章小結 15
第三章 基于ARMA的網(wǎng)絡流量建模 16
第一節(jié) 數(shù)據(jù)采集 16
第二節(jié) 建立流量的正常行為模式 18
第三節(jié) 平穩(wěn)化數(shù)據(jù)序列 19
第四節(jié) 模型的定階 21
第五節(jié) 模型參數(shù)估計 23
第六節(jié) 本章小結 24
第四章 基于ARMA模型的網(wǎng)絡流量預測及異常檢測 25
第一節(jié) 網(wǎng)絡流量預測 25
第二節(jié) 網(wǎng)絡異常檢測 29
第三節(jié) 本章小結 31
結  論 32
致  謝 33
參考文獻 34
附  錄 36
一、 英文原文 36
二、 英文翻譯 43
三、 原始數(shù)據(jù) 49
四、 源程序 51