计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
5期
83-85,95
,共4页
网络流量预测%非线性%广义自回归条件异方差模型
網絡流量預測%非線性%廣義自迴歸條件異方差模型
망락류량예측%비선성%엄의자회귀조건이방차모형
network traffic forecast%non-linear%Generalized Auto Regressive Conditional Heteroskedasticity(GARCH)model
网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点，传统的ARMA模型在描述网络流量数据特性时有一定的局限性，从而影响网络流量预测的精度。针对这个问题，研究了使用广义自回归条件异方差模型（GARCH）对网络流量数据进行建模的方法，通过仿真实验表明，该模型可以较好地描述网络流量数据的异方差性，同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。
網絡流量預測在擁塞控製、網絡管理與診斷、路由器設計等領域都具有重要意義。根據噹今網絡流量的特點，傳統的ARMA模型在描述網絡流量數據特性時有一定的跼限性，從而影響網絡流量預測的精度。針對這箇問題，研究瞭使用廣義自迴歸條件異方差模型（GARCH）對網絡流量數據進行建模的方法，通過倣真實驗錶明，該模型可以較好地描述網絡流量數據的異方差性，同時其預測精度較之傳統的ARMA模型的預測精度也得到瞭大幅提升。
망락류량예측재옹새공제、망락관리여진단、로유기설계등영역도구유중요의의。근거당금망락류량적특점，전통적ARMA모형재묘술망락류량수거특성시유일정적국한성，종이영향망락류량예측적정도。침대저개문제，연구료사용엄의자회귀조건이방차모형（GARCH）대망락류량수거진행건모적방법，통과방진실험표명，해모형가이교호지묘술망락류량수거적이방차성，동시기예측정도교지전통적ARMA모형적예측정도야득도료대폭제승。
Forecasting of network traffic plays a significant role in many domains such as congestion control, network management and diagnose, and router design. In accordance with modern network, traditional Auto Regressive Moving Average(ARMA)model fails to describe the characteristic of network traffic very well. Therefore, Generalized Auto Regres-sive Conditional Heteroskedasticity(GARCH)model is studied for network traffic. The simulation shows that GARCH model is well fitted on the real data of network traffic. Meanwhile, the accuracy of the forecast based on the model is much better than that of ARMA model.
