大数据环境下基于小波神经网络和ARMA模型的流量异常检测

摘要

cqvip:大数据环境下的运维管理工作需要准确地对可能的故障进行预警,但是传统方法无法应对复杂的非线性动态系统以避免故障带来的严重损失。因此,针对流量序列的异常检测问题,提出了一种基于小波神经网络和自回归滑动平均模型(ARMA)的流量异常检测方法。使用序列预测偏差拟合正态分布来构建异常可置区间,从而对时间序列分析法中的ARMA模型进行改进。采用贝叶斯组合理论把小波神经网络预测与ARMA时间序列预测相结合建立组合模型来实现流量异常预警。测试结果表明:与其他多种模型相比,该组合模型在准确描述网络的运行状况方面表现出较好的优势。