[发明专利]一种基于ARIMA模型的网络数据流预测方法

摘要

本发明涉及一种基于ARIMA模型的网络数据流预测方法，具体包括以下步骤：步骤S1：数据预处理：去除网络流中的冗余数据，错误数据以及缺失数据；步骤S2：特征提取：提取包括包长与包到达间隔时间的常用流量特征，通过PCA与信息增益降低维数；将n个特征生成个特征子集，通过CFS和最优优先搜索生成特征候选集；步骤S3：流量聚类：使用GMM聚类方法，将网络流分成若干应用类别，构建流量预测框架实现短期预测；步骤S4：分析预测：针对任意一应用类别的流量数据，取一组连续的网络流量时间序列进行ARIMA差分自回归滑动平均模型的分析。本发明可实现对互联网流量数据的有效分析和预测，网络管理者可以根据规律，制定相应调度和管理策略。

主权项

一种基于ARIMA模型的网络数据流预测方法，其特征在于：具体包括以下步骤：步骤S1：数据预处理：去除网络流中的冗余数据，错误数据以及缺失数据；步骤S2：特征提取：提取包括包长与包到达间隔时间的常用流量特征，通过PCA与信息增益降低维数；将n个特征生成2ⁿ个特征子集，通过CFS和最优优先搜索生成特征候选集；步骤S3：流量聚类：使用GMM聚类方法，将网络流分成若干应用类别，构建流量预测框架实现短期预测；步骤S4：分析预测：针对任意一应用类别的流量数据，取一组连续的网络流量时间序列X＝{x₁,…,x_t}进行ARIMA差分自回归滑动平均模型的分析，其中x_t为第t个时间段内的网络通信量。