如何建立网络流量模型

大规模网络中的流量行为是一个相当复杂的非线性系统，目前国内外尚无成熟的方法对其进行研究。考虑到网络流量的非线性特征，本文通过不同的数学模型将流量时间序列分解为趋势分量、周期分量、突变分量和随机分量。根据分解，用相应的数学工具对四个相对简单的子部件进行建模，模拟复杂的交通。利用分解模型对CERNET骨干网和NSFNET骨干网的长期流量行为进行了分析，并将分析结果与传统的ARIMA季节模型进行了比较。通过仿真自相关函数和预测误差的比较，发现分解模型在描述交通宏观行为方面具有简单和高精度的优点。分形或自相似模型可以很好地描述网络流量过程的长期依赖性，但不能真实地描述网络流量过程在小尺度上的奇异性。本文从另一个角度，研究并建立了基于瀑布过程的瀑布模型，并对真实的网络流量数据进行了模拟分析。研究发现，瀑布模型能够在一定程度上解释实际网络流量的尺度特征，能够准确描述网络流量在小尺度上的奇异性。通过对模拟数据的标度分析，证明瀑布模型具有描述真实交通数据多重分形特征的能力