大规模网络线路数据流量并行预测方法仿真

摘要

为了满足大规模网络线路数据流量分配均衡性需求,以及流量控制,需要对网络线路数据流量并行预测.当前利用ARMA模型,通过线性的最小均方误差实现流量预测的方法,存在预测效果差,预测功耗大等问题.提出一种基于蚁群的网络线路数据流量并行预测方法,根据多分辨率的分析要求表达式,获得相应尺度之下的网络线路数据流量特征,进而将近似系数,以及细节系数内的冗余流量去除;将近似系数与细节系数进行叠加,获得原始网络线路数据流量信号,实现数据流量的分解,以减少预测功耗;建立训练样本及预测样本,并对蚂蚁的初始位置进行设置;计算各蚂蚁的适应度值和信息素大小,找到当前最优的蚂蚁位置,引导非最优位置的蚂蚁向最优个体移动,实现全局搜索;对蚂蚁的信息素进行更新,并对是否满足迭代的终止条件进行判断,进而构建最优网络线路数据流量并行预测模型,增强预测效果.仿真表明,上述方法在预测效果和预测功耗方面均优于当前方法,可为该领域发展提供支撑.