IP骨干网流量成分分析研究.pdf

万方数据独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到,本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在_____年解密后适用本授权书。不保密□。(请在以上方框内打“√”)学位论文作者签名:指导教师签名:日期:年月日日期:年月本论文属于万方数据摘要网络流量的建模与预测在网络管理中扮演了非常重要的角色。在过去对流量的分析和处理中,研究者们发现网络流量可以分解为代表其长期增长趋势的趋势分量、代表其周期性变化的周期分量,以及随机波动的分量。这种流量分解的方法被广泛应用于流量的长期预测、流量的周期性波动分析等领域。在本文中,我们试图对某中国网络运营商的IP骨干网络流量进行成分分析,寻找其变化规律。本文所针对的数据采集自一个IP骨干网,数据包括12个骨干节点的日峰均值,为期523天。我们采用了两种网络流量的分解方法,一种假设趋势分量和周期分量呈现线性组合,另一种假设它们呈现加性组合。基于这两种分解方法,我们可以分别获得网络的长期增长趋势分量以及以星期为单位的周期分量。我们对不同节点的流量进行了分解,研究对不同节点而言较为合适的流量分解方法;同时,我们研究各节点的趋势分量和周期分量的特征,比较其特征的异同。我们的研究结果表明,在IP骨干网络节点的趋势分量方面,基于指数的拟合模型较为适合网络的长期趋势建模,而基于ARIMA的模型较为适合网络的中短期的趋势建模;在IP骨干网络节点的周期分量方面,所有节点均呈现了以七天为单位的周期性特征,但是其振荡的幅度与各节点的流量特征有密切的关系。关键词:流量分析,时间序列模型,work traffic modeling and predictionplay a veryimportant rolein network the past on theflowanalysis and processing,the researchers found that ponent,periodic componentof network an be posedas the representative ofitslong-term growth trendon behalf of itsperiodic variation, term prediction,flowanalysis of the cyclical fluctuation oftheflowfields ofthe positionis widely used this thesis,we attempt toIP work trafficto work ponent analysis,to find out the regularity of from anIP work,data includedaily peakvalue of 12backbone nodes,for a period of 523 use position methodof two kinds work traffic,a hypothesis that ponent andperiodic componentappears to be a bination,another hypothesisthey presentadditive two kinds positionbased methods,we canlong-term growthtrend workrespectivelyin weeklyperiodic pose thedifferentnode flow,themore appropriatefor position method;at the same time,the ponent ponentfeatures o