灰理論數列灰預測在CERNET西南網點網絡流量預測中的應用-科技論文

隨著互聯(lián)網的飛速發(fā)展，網絡用戶急劇增加，大規(guī)模的交換結構不斷涌現，導致許多問題[1]：網絡越來越復雜，網絡動態(tài)性越來越大，網絡設備工作的可靠性越來越需要得到重視。在網絡的性能管理方面，通過對復雜網絡中流量的測量和預測，能了解到網絡的目前流量狀況，未來可能出現的情況。根據這些信息可以預先采取一些優(yōu)化措施，對網絡進行改建和負載均衡設計，避免因網絡擁塞等使網絡的性能降低，也可以據此了解用戶現在的網絡行為和做出行為預測，得到網絡系統(tǒng)的宏觀特征，用以解釋許多網絡現象和解決網絡問題[2]。
灰理論[3]是研究少數據不確定的理論?；依碚撝谢翌A測用于預測數據的變化。很多情況下，條件和諸多因素限制，導致無法取得大量數據的情況下，用概率論的大樣本來進行數據分析是不得當的。這種少數據不確定的情況，用灰理論分析，從結果來看，是有效可行的。

一、網絡檢測與數據采集

與西南網點網管達成協(xié)議，將監(jiān)測點設置于通信學院二級子網與校園主干網相接的線路上，如圖1所示。

圖1監(jiān)測點設置

流量采集一般有兩種方式，一種是基于數據包的采集方式，另一種是利用SNMP協(xié)議采集交換機或路由器的端口流量[4]。前一種的網絡監(jiān)測大致有3種監(jiān)測方式：HUB監(jiān)測，防火墻方式和Monitor方式。HUB監(jiān)測雖然方便實惠，但是會使得網絡速率下降并且當監(jiān)測機也在主動發(fā)送數據時將對被監(jiān)測線路造成干擾。防火墻方式雖然可以工作在100Mbps，但是被監(jiān)測線路受監(jiān)測機性能影響很大。Monitor方式雖然擁有此功能的交換機價格昂貴，但不會改變網絡拓撲，不對被監(jiān)測線路造成影響。

此次數據采集就是利用Bay350交換機的Monitor功能，將交換機上與通信學院連接的端口上進出的數據復制到監(jiān)測端口，達到監(jiān)測目的。據目前經驗，平均流量在30M，用Monitor方式很難產生數據失真。

在監(jiān)測機上將網卡的全接收功能打開，它可以接收所有數據并存盤和分析。在精度與采樣時間之間要做出選擇。若采樣時間太長，硬盤不可能放下數據，也不可能分析完這么多數據；若采樣時間太短，也不能由樣本值反映正確的流量。采用5分鐘采一次樣值，每次采10秒，用按鍵精靈設置10秒的捕獲時間，5分鐘的間隔時間手動。這樣能夠保證較客觀反映網絡的流量又節(jié)約資源，實現精確采集。監(jiān)測機的性能也會對數據的接收產生影響。硬盤的讀取速度小于網絡速度。如果內存做緩沖區(qū)時設的值太小，則會出現丟失數據情況。經檢驗，設成16M可以滿足數據不丟失。

數據采集使用SNIFFERRPO軟件。SNIFFERPRO軟件主要用于網絡報文分析；可以監(jiān)測站點的數據、流量；監(jiān)測網絡的活動；分析并通過分析糾正網絡響應緩慢，出現的異常情況。

利用灰理論建立預測模型[5]

二、模型選擇與合理性分析

模型合理前提：此次采樣的數據可以在很大的概率上反映CERNET西南網點電子科大通信學院主網正確的流量。

灰建模是基于灰因白果規(guī)律，差異信息原理，平射原理的建模。

網絡流量預測符合灰因白果規(guī)律：采樣的數據是實際得到的值，是白果；造成變化的因素是不確定的，隱藏在數據關系里，是灰因。差異信息原理是：凡是信息必有差異，差異既是信息。網絡流量預測的信息即是所得數據，而這些數據的特征就是差異。

圖2GM(1，1，D)方框圖

由于采樣值為等間隔，所以采用等間隔的GM模型。等間隔的模型大致分為定義型、白化型與幾種派生型。這里只需要分析定義型與它衍生出來的白化型GM(1，1，D)就可以（見圖2），分析派生型與分析定義型其實質是一樣的。

灰建?？尚行约壉扰袛啵?/p>

級比平滑檢驗：

級比區(qū)雖然不在界區(qū)內，但差距在10%控制范圍內，落于可容區(qū)范圍，可以接受。

灰預測大致分為數列灰預測，拓撲灰預測，異常值灰預測，季節(jié)災變灰預測，系統(tǒng)灰預測。由于級比落于可容區(qū)內，所以，即使不能看作大慣性序列也絕不能當成小慣性序列。所以，異常值灰預測不符合。顯而易見的，季節(jié)災變與系統(tǒng)灰預測也不符合需要。拓撲灰預測相較于數列灰預測要復雜許多，并且它是主要用于數據落于可容區(qū)外的預測。所以，選用數列灰預測最符合網絡流量預測的要求。

三、模型的建立

四、利用模型預測網絡流量

在一個穩(wěn)定運行的網絡環(huán)境中，可以認為正常情況下，網絡的流量狀況是平穩(wěn)變化的?，F選取時刻3：10之后的網絡流量建立預測模型，最后用預測值與當前時刻值的測量值進行比較。

原始序列為：x=(x(1)，x(2)，….，x(35))，限于篇幅這里不給出具體數值。

利用數列灰預測得到：

白化響應式的精度：

因為白化響應式是真正的微分方程(10)的解。通過灰微分方程得到的參數a與b代入真正的微分方程模型中可以獲得精度達到96.268％，表明微分方程(9)比較接近真正的微分方程(10)?？梢?，我們用序列建立近似微分方程的初衷基本達到。因此，對于網絡流量預測來說，此模型是有效可行的。

五、結束語

本文利用灰理論建立了網絡流量預測模型，并利用CERNET西南網點電子科大通信學院主網流量做了預測。實驗表明，該模型能夠較好的對此網點網絡流量進行預測。由于級比區(qū)不在界區(qū)內，數據的跳變雖然在平滑范圍內，但還是有一定的強度。下一步工作可以利用拓撲灰預測的原理將非單調圖F的基拓展成合適指數基做模型改進。因為事實上，數列灰預測實際上在是一種按等高線做的預測，而一般來說流量的走勢大致是成指數曲線的[6]。另外，可以針對灰理論須用在變化速度不快的情況，利用馬爾科夫預測法對此模型進行改進[7]。