长程突发通信量的分数自回归预测

以数据包传输的通信量在不同网络条件下均表现出自相似性,自相似通信量在各时间尺度上均具有长程突发特性,其是以泊松过程为模型所描述的短程相关通信量所无法描述的。近来对自相似通信量的高精度测量与研究证实:网络中广泛存在的重尾特性是通信量自相似产生的原因。同时充分提取通信量的自相似性与重尾特性相关信息,是准确预测长程突发通信量的关键。在一种α-基于平稳过程的自相似通信量模型基础上,提出两种独立的自回归预测方法:FAR(Fractional Auto Regressive)预测、FNAR(Fractional Nonlienar Auto Regressive)预测。对这两种预测值进行不同方案的混合预测得到最终预测结果,进一步提高预测精度。