基于小波技术和ARIMA模型的网络流量预测研究

摘要

随着计算机网络的迅速发展，基于网络的应用急剧增长，目前的网络规模极为庞大和复杂，网络互联环境越复杂，就意味着网络服务越容易出现问题，网络的性能越容易受到影响。为了给用户提供优质的服务，网络的维护和管理显得尤为重要。网络流量的准确预测在计算机网络的设计和管理、冲突控制和动态带宽分配具有十分重要的作用。然而，成功的流量预测离不开精确的流量模型的支持，高质量的流量模型对于设计高性能网络协议和高效的网络拓扑结构；对于设计高性价比的网络设备与服务器；对于精确的网络性能分析与预测：对于拥塞管理与流量均衡提高服务质量等都具有非常重要的意义。
　　 本文首先介绍了小波理论基础，内容包括小波和小波变换，以及小波变换的分类。详细阐述了多尺度分析和mallat算法。接着对网络流量模型算法分析，简单介绍了泊松模型，马尔科夫模型，AR, MA， ARMA模型，重点分析了ARIMA模型算法。
　　 本文结合小波变换技术和时间序列模型ARIMA，建立一种网络流量预测模型.首先对流量时间序列进行小波分解，得到细节系数和逼近系数，对细节系数应用平稳序列ARMA模型，对于逼近系数，一般算法此时就将逼近系数作为平稳序列进行处理，但多数情况下逼近系数此时依然为非平稳信号，因此本文在此处作了改进，采用ARIMA(p， d, q)的方法建模，利用差分方程使逼近系数平稳后再建立ARMA模型，实验结果表明本文方法最后得到的结果比逼近系数未进行平稳化而直接使用平稳时间序列模型建模的预测效果好得多。

目录

文摘

英文文摘

第一章 绪论

1.1 背景介绍

1.2 本文的主要工作

1.3 本文的组织结构

1.4 本章小结

第二章 小波理论基础

2.1 小波定义

2.2 小波变换

2.2.1 连续小波变换(Continuous Wavelet Transform)

2.2.2 离散小波变换(Discrete Parameter Wavelet Transform)

2.3 多分辨分析和mallat算法

2.3.1 多分辨分析

2.3.2 mallat算法

2.4 本章小结

第三章 常用网络流量模型介绍

3.1 泊松模型

3.2 马尔科夫模型

3.3 平稳时间序列模型和非平稳时间序列模型

3.3.1 平稳时间序列模型建立

3.3.2 非平稳时间序列模型建立

3.4 自回归模型：AR模型，ARMA模型，ARIMA模型

3.4.1 AR模型

3.4.2 ARMA模型

3.4.3 ARIMA模型

3.4.4 模型类型的判别

3.5 本章小结

第四章 小波分析与ARIMA模型相结合建模与预测

4.1 小波分析与ARIMA模型相结合建模

4.2 网络流量预测实验

4.2.1 流量数据采集

4.2.2 小波分解

4.2.3 系数重构

4.2.4 系数建模

4.2.5 利用模型进行预测

4.3 预测误差比较分析

4.4 本章小结

第五章 结束语

参考文献

致谢

攻读硕士学位期间的学术论文目录

学位论文评阅及答辩情况表