基于马尔可夫模型的端到端流量预测方法研究#蒋定德，聂来森，秦文达*510（东北大学信息科学与工程学院,沈阳110819）摘要：针对当前通信网络中端端流量预测问题，研究端到端流量的准确预测方法，通过将端到端流量建模为马尔可夫模型来描述其时间相关性和动态变化特性，并利用测量样本建立马尔科夫模型的转移概率矩阵，考虑到端到端流量所满足的约束条件，首先预测获得单条端到端流量流的预测值，然后获得所有端到端流量流的预测，最后通过约束调整获得最终的预测结果。仿真结果表明所提出的预测方法能精确预测端到端流量并能准确捕获它的动态变化,与以前的方法相比,具有更好的预测性能和更低的预测误差，并具有明显的性能改善。关键词：网络流量；马尔可夫模型；流量预测；加权平均；预测误差中图分类号：TP39315OnPredictionApproachofEnd-to-EndTrafficBasedonMarkovModelJiangDingde,NieLaisen,QinWenda(CollegeofInformationScienceandEngineering,NortheasternUniversiy,Shenyang110819)20253035Abstract:Forthepredictionproblemofend-to-endtrafficincurrentcommunicationnetworks,thispaperstudiesthepredictionmethodaboutend-to-endtraffic.End-to-endtrafficismodeledastheMarkovprocesstodescribeitstemporalcorrelationanddynamicnature.Themeasurementsamplesaboutend-to-endtrafficareusedtobuildthetransitionprobabilitymatrixoftheMarkovmodel.Afterconsideringtheconstraintsmetbyend-to-endtraffic,end-to-endtrafficiseachpredictedfirstly.Thenallofend-to-endtrafficisattained.Theyareadjustedaccordingtotheconstraintstoobtainthefinalprediction.Simulationresultsshowthattheproposedpredictionapproachcanaccuratelypredictend-to-endtrafficandcaptureitsdynamicchange,andincontrasttopreviousmethods,itholdsthebetterpredictionperformanceandlowerpredictionerrorsandhasthelargerperformanceimprovement.Keywords:networktraffic;Markovmodel;trafficprediction;weightedaverage;predictionerrors0引言端到端流量反映了通信网络中网络级流量的变化情况，其作为网络管理的重要输入参数，是网络设计、规划和优化的重要参考依据。但由于端到端网络流量隐藏在链路流量中，要直接获得非常困难[1-3]。端到端流量预测是获取端到端流量的有效手段，已成为当前的研究热点[4-6]。然而，由于其动态变化和随机突发性，要进行准确预测是困难的，端到端流量预测引起了研究人员的广泛关注[5-9].[6][7][8]40流的结构，利用主成分分析方法来建模和分析网络级流量的特征和属性，并提出相应的预测基金项目：国家自然科学基金项目(No.61071124);高等学校博士学科点专项科研基金资助课题(No.---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---Pascal利用自适应贝叶斯网络来预测流量流；Zhang等人利用重力模型来建模和预测端到端流量；Lakhina等人研究了大尺度IP骨干网络端到端流量矩阵，分析了端到端流量20100042120035);新世纪优秀人才支持计划项目(No.NCET-11-0075);中央高校基本科研业务专项资金资助课题(Nos.N120804004,N110404001)。作者简介：蒋定德，男，副教授，主要研究方向：网络测量、网络体系结构和协议分析.jiangdingde@ise.neu.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---[9]合算法、fan-out算法、EM（Expectation-Maximization）算法和神经网络来提出一种混合预测方法对端到端流量进行预测和估计。由于网络流量的动态变化[11]和自相似性[12]，要建立精确的网络级流量模型是困难的。Federico等人[13]利用统计反演和alpha稳定模型来建模455055网络流量；Stolojescu等人[14]研究了WiMAX网络中流量的长相关特性；Zhang等人[15]利用压缩感知（compressivesensing）来对网络流量进行分析和预测。然而由于网络级流量的高动态变化和波动特性，所有这些方法都存在一定的预测误差，要精确预测网络级流量仍然具有诸多困难。本文研究了通信网络中端端流量的预测问题，基于马尔可夫过程提...