基于FARIMA模型的电网数据服务器流量异常识别

当前电网数据服务器流量异常识别方法的平均时延过长,丢包率过高,因此提出了基于FARIMA模型的电网数据服务器流量异常识别方法。利用多重分形测度方法提取一个维度的电网数据流量特征,对存在较大方差的流量特征进行描述,利用FARIMA模型的回归算法计算电网数据服务器流量阈值,以此分析电网在正常运行条件下的数据服务器流量行为,并对此时的流量阈值进行检测,利用FARIMA模型与参数估计方法实现电网数据服务器流量异常识别。实验结果表明,所提方法能够有效缩短平均时延,降低丢包率。

自相似网络业务的一个FARIMA模型

近来发现 ,高速网络业务具有自相似及长相关特性 .分数噪声可描述该类业务 ,但它仅表现长相关特性 .给出了利用 FARIMA(自回归分数整合滑动平均 )模型拟合自相似网络业务的一整套方法 .该模型同时刻画了实际业务的长相关与短相关特性 .通过对实测数据的实验 。

基于FARIMA模型的网络流量预测

论文基于长相关特性的时间序列分析方法,采用FARIMA模型对网络自相似业务进行研究,利用“后向预报”技术对序列进行分形反滤波,在模型辩识、参数估计中利用粗、精估计结合的方法建立模型。选择伯克力实验室的经典实测数据,利用FARIMA模型进行H值估计、分数差分定阶及消除长相关性的操作,实验证明了模型的有效性。

基于FARIMA模型的Internet时延预测

针对Internet时延具有自相似性这一特点,采用自回归分数滑动平均模型(fractal autoregressive integrated moving aver-age,FARIMA)对Internet时延建模,提出了基于概率上限的Internet时延预报方法,即保证实际时延按一定概率在预测时延范围之内。通过对实测时延数据进行预测对比,结果表明基于FARIMA模型的预测效果要优于基于ARMA(auto regnessive and mov-ing average)模型的预测效果。

改进的基于小波变换和FARIMA模型的网络流量预测算法

提出了一种改进的基于小波变换和FARIMA模型的网络流量预测算法,先对经过预处理的流量进行小波分解,再进行Mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后合成流量。该算法较之传统的首先用FARIMA模型对小波系数进行预测再进行小波重构的算法减小了预测误差。仿真实验也验证了改进算法的预测准确性。

基于FARIMA-GARCH模型的网络业务预测算法

针对网络流量的波动性与自相似特性为其精确预测提出的挑战,提出了一种基于FARIMA-GARCH模型的预测算法。该算法首先利用分段双向CUSUM检测算法对流量序列的均值进行有效检测,并在此基础上将序列零均值化;然后采用限定搜索法对分数差分阶数进行精确估计;在获得模型参数后,使用FARIMA-GARCH模型对网络流量进行预测。仿真实验表明,限定搜索法能够获得比传统算法更高的估计精度。随后采用真实网络流量验证了预测算法的性能,在保持与FARIMA预测算法等价的时间复杂度下,其均方根和相对均方根误差与RBF神经网络预测算法相当,而高于FARIMA预测算法。同时,预测算法对突发流量的跟踪和预测性能明显优于对比算法,且有更好的区间估计性能。

基于FARIMA的网络建模与性能分析

给出了利用FARIMA模型进行建模、拟合实际网络流量的方法和参数估计的具体步骤,研究了长短相关对网络性能的影响。研究结果表明,不论长相关还是短相关,FARIMA模型对实际业务拟合二者都非常接近,当缓存较小时,网络性能将由短相关特性支配,而且随着缓存增加,长相关业务下系统性能的衰减要比短相关业务下衰减的慢,这些发现对今后网络设计性能研究具有重要的参考价值。

一种基于小波变换和FARIMA模型的网络流量预测算法

提出了一种新的基于小波变换和FARIMA模型的流量预测方法,首先对原始流量进行小波分解,再进行mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后整合流量。我们用真实网络流量进行了仿真实验,验证了提出算法的预测准确性,较之首先用FARIMA模型对小波系数进行预测再进行小波重构的方法减小了预测误差。

基于FARIMA模型的网络排队性能分析

利用能够同时反映通信量长程和短程相关性的FARIMA模型,研究了长程相关和短程相关对于FIFO排队系统性能的影响,讨论了在给定系统缓存溢出概率条件下,FARIMA模型为输入时,排队队长分布的渐近解析表达式。研究表明,短程相关性在缓存较小时,对系统队长分布会有影响,但是在自相似存在的情况下,系统的排队长度分布为渐近Weibull分布,与通信量的短程相关性无关。蒙特卡罗仿真分析表明了结果的正确性和有效性。

基于FARIMA的铁路数据网流量趋势预测

利用FARIMA模型,对铁路数据网中的真实数据流量进行建模并分析,提出一种新型的基于FARIMA模型的铁路数据网流量预测方法,该方法能够同时描述网络流量的长相关特性和短相关特性。将FARIMA过程转换为差分过程和ARMA过程进行趋势预测,并且根据平均绝对误差、绝对百分比误差等多项指标进行比较验证。通过对高速铁路数据网6个月的数据进行建模分析,利用不同的参数设置预测未来2个月的流量趋势,并与真实数据进行对比。实验结果表明该方法比传统的基于ARMA模型的预测方法更为精准,能够适用于铁路数据网流量趋势预测。

一类基于FARIMA过程的电梯导轨振动模型

研究电梯运行中导轨的随机振动时 ,将电梯运行中测得的导轨间距离DGB看作一时间序列 ,发现具有长相关性。常用的整数自回归模型、分数噪声模型都只能片面地描述该类数据的短相关性或长相关性。给出了利用FARIMA(自回归分数整合滑动平均模型 )拟合DGB的方法 ,该模型可同时刻画实测数据DGB的长相关和短相关特性 ,并通过对实测数据的实验 ,证明了模型的优效性。

Farima模型在海上无线网络状态融合中的应用

为了克服海上无线网络信号传输中的噪声干扰,本文将小波变换和Farima模型应用于信号状态融合,首先利用小波变换对信号进行分解,再利用Farima模型进行预测,最后对重构后的信号进行融合,实验结果表明本文算法融合速率高,准确性好。

基于FARIMA模型的无线网络状态融合方法

为了解决无线网络传输过程中受噪音干扰的问题,提出了一种新的信号状态融合算法(signal fusion based onwavelet transform and date association,SFDF)。该算法针对小波变换和卡尔曼滤波刻画的缺陷,利用数据关联和FARIMA模型对信号进行了有效融合,并设计长相关信号的算法流程。同时以分形布朗运动(fractional Brownian motion,FBM)模型产生实验数据,深入研究了信号状态与干扰因素之间的关系。实验结果表明,与以往算法相比,SFDF更加具有适应性。

基于FARIMA过程的网络业务预报与应用

在高速网络控制与带宽分配研究中,网络业务量预报是一个重要的问题。本文首先介绍自回归分数整合滑动平均(FARIMA,Fractal Autoregressive Integrated Moving Average)过程的概念及其具体形式,并给出了FARIMA过程的预报方法,然后基于FARIMA过程的最小均方误差预报方法,提出了一个具有补偿功能的网络自相似业务的预报方法,最后给出这种预报方式在网络控制研究中的应用。

基于FARIMA预测的带宽分配改进算法

最近研究发现实际流量的多重分形特性对网络性能有着非常重要的影响,建立一个基于多重分形特性的流量的预测模型很有必要。本文将以太无源光网络作为研究背景,分析阐述了现有的带宽分配算法的不足,利用FARIMA模型对带宽分配作出改进,使其能够在多重分形条件下对队列进行精确预测,并且以实际预测结果来验证了模型的正确性。

FARIMA网络流量预测模型的研究与改进

网络流量模型以考察网络流量特性为出发点,以数学理论为基础,通过建立数学模型来反映真实的网络流量及其变化趋势。传统的泊松模型在现代数据网络中已经不再适用,不能真实地反映流量的趋势。但是自从网络流量的自相似性被发现后,网络流量的自相似模型不断涌现。文中应用了既能反映长相关性又能反映短相关性的FARIMA模型对真实网络流量数据进行了分析预测,经过研究和实践的验证,对模型进行了改进,提出了SFARIMA网络流量预测模型。

基于量子遗传算法的FARIMA模型电力负荷短期预测

根据电力负荷历史数据对未来负荷趋势进行预测。通过计算电力负荷序列的赫斯特指数(Hurst)参数值,表明振动烈度序列符合明显的长相关特性,用长相关FARIMA模型来对电力负荷序列进行预测,为了提高预测的准确性,提出了一种基于量子遗传算法优化的长相关FARIMA预测模型。利用量子遗传算法优化经分数差分后的平稳模型ARMA(p,q)阶数,根据合适的适应度值进行全局搜索,从而能够确定模型的最佳阶数(p,q),并将其应用到实际的电力负荷值预测中验证。将实验结果与传统的AIC(p,q)准则定阶的ARMA模型进行预测的结果,以及实际电力负荷值数据进行比较,结果表明:该方法对电力负荷值的预测具有更高的准确性。

基于FARIMA模型的流量抽样测量方法

目前的流量抽样测量方法主要基于传统的数学理论,并没有考虑到实际网络流量的特征,基于此,提出基于FARIMA流量预测的抽样方法,根据流量预测值动态调整抽样率,既减轻了CPU的负载,又节省了存储空间。通过对比实际使用中的流量抽样测量方法取得的数据报文样本均值和Hurst参数,表明该方法能够正确体现原始数据的流量行为统计特征。

基于FARIMA的ARP欺骗入侵检测

针对ARP网络流量具有自相似性,ARP欺骗会导致ARP网络流量局部突发的特征,在进行理论分析的基础上,提出一种ARP欺骗入侵检测方法。采用适合描述自相似性的FARIMA准确预测ARP网络流量,在线实时计算每个周期实测值和预测值的差值,比较差值变化率快速准确实现ARP欺骗入侵检测。运行结果证明FARIMA具有先进性,该方法可有效提高ARP欺骗实时入侵检测的检测率,实现追踪ARP欺骗攻击源主机。

基于FARIMA模型的智能变电站通信流量异常分析

随着输变电设备自动化、变电站智能化建设的快速发展,电网信息安全隐患日益凸显。精确可靠的变电站通信网络流量模型建模和异常检测方法已成为预防网络安全问题和识别网络攻击的重要手段。文中在对变电站站控层网络流量行为特性进行分析的基础上,采用分形自回归积分滑动平均(FARIMA)模型对网络流量构建了阈值模型。针对变电站典型的网络攻击模式和流量异常特征,基于运行状态评估算法对某实际变电站站控层流量数据进行分析,并计算典型网络异常概率,从而实现了变电站在网络攻击情形下的安全态势评价。