论文摘要
随着网络用户的增加以及VBR业务的出现,网络的突发业务流量急剧增加。为保证网络给用户提供稳定、可靠服务,且满足网络承载业务的QoS需求,学者们研究了各种承载网络的流量控制策略,流量预测和带宽分配方法的研究作为网络流量控制策略的基础性研究,成为网络流量工程的重要研究课题。本论文研究了两种网络流量带宽预测方法。一种方法是基于描述序列动态性及发展变化规律的时间序列模型,可以预测网络流量的变化情况。另一种方法是基于流量的统计特性和业务的QoS需求,用以预测网络承载业务所需带宽。本论文首先研究基于FARIMA模型的网络流量预测方法,这个方法基于网络流量和FARIMA模型生成的序列均具有自相似特性的考虑,先利用真实网络流量估计FARIMA模型参数,再利用拟合的FARIMA模型的生成序列预测网络流量。本方法利用d阶差分将FARIMA模型的参数估计问题转化为ARMA模型的参数拟合问题。在网络流量多步预测中引入了模型参数判定机制,减少参数拟合步骤,降低了FARIMA模型预测网络流量的复杂度。1-30步流量预测值与流量真实值的对比结果表明,基于FARIMA模型预测方法可以有效地预测网络流量的变化情况。接着,本论文研究了基于业务的带宽预测及分配方法。这个方法在Norros推导的队列溢出概率公式的基础上,提出了业务容忍时延与排队系统缓存长度的映射关系：缓存长度=容忍时延×流量均值。这个方法分析了流量均值、方差系数、Hurst参数及业务容忍时延和丢失率等对预测值的影响,预测的带宽既考虑了业务流量的突发性,又满足业务的QoS需求。除上述两种预测方法的研究,本论文分析了网络流量自相似特性及Hurst参数估计的常用方法,估计了GGSN端口采集的真实网络流量的Hurst参数值,从而验证了网络流量的自相似特性。本文还分析了自相似网络业务流模型,利用RMD法和Hosking法生成了FGN模型和FARIMA模型的自相似序列,实现了ON、OFF周期持续时间服从Pareto分布的ON/OFF模型的自相似序列,通过Hurst参数值的估计,验证了生成序列的自相似特性。综上所述,本文分别基于时间序列模型和流量特性及业务QoS研究了两种流量预测方法,这两种方法可以很好地预测网络流量变化和业务所需带宽。同时本课题还完成了Hurst参数估计、自相似序列生成的基础性研究工作。