[发明专利]网络系统中的网络设备周期性的性能指标数据预测方法

权利要求书

1.一种网络系统中的网络设备周期性的性能指标数据预测方法，其特征在于：所述方法是利用网络设备已经采集的周期性历史性能指标数据和三次指数平滑法，预测或估算该网络设备对应的未来性能指标数据；包括下列操作步骤：

步骤1，使用网络管理系统调用简单网络管理协议SNMP(Simple Network Management Protocol)采集网络设备的性能指标数据，得到至少包括两个周期的该网络设备原始性能指标数据序列X₁,X₂,…,X_i,…,X_k,…,X_n；式中，X是采集的性能指标数据，自然数下标i和k分别是网络设备性能指标数据的采集序号及其在每个周期内的采集次数，i的取值范围是区间〔1，n〕，且k＞1，n≥2k；

步骤2，当i＞n－2k时，利用能够体现时间序列数值发展态势的稳定性或规律性的三次指数平滑法中的预测公式：x_i+h＝(S_i+ht_i)P_i+h-k；先计算得到网络设备在第i次采集的性能指标数据的平稳性值、趋势性值和季节性值，然后预测经过h个采集间隔时长后的性能指标数据预测值x_i+h；式中：

S_i是从第1次至第i次采集的网络设备性能指标数据的平稳性值，即平均值，其计算公式是：当1≤i≤k时，S_i＝X_i；当i＞k时，

t_i是根据采集的网络设备性能指标中相邻两个数据值之差得到的该性能指标数值的当前递增或递减的趋势性值，其计算公式是：当i＝1时，t_i＝X₂-X₁；当i≥2时，t_i＝β(S_i-S_i-1)+(1-β)t_i-1；

p_i是根据从首次至第i次的网络设备性能指标数据计算的该性能指标数据在该时段整体递增或递减的季节性趋势值，其计算公式是：当1≤i≤k时，P_i＝1；当i＞k时，

上述公式中，三个系数α、β、γ分别为决定各自对应的平稳性、趋势性和季节性的性能指标数据预测值的自变量，也是用于自动计算符合当前性能指标数据特征的最佳数据值的预测算法中的关键因子，用于协调性能指标数据的近期历史数值对预测数据值的影响程度，其取值范围均为区间(0,1)，且数值越接近1，性能指标的近期历史数值对预测数据值的影响越大，反之越小；S_i、t_i和P_i分别为在第i次采集网络设备性能指标数据后，计算得到的对应平稳性值、趋势性值和季节性值；h为预测的采集间隔时长，采集间隔时长h为1时，x_i+h为下一次采集的性能指标数据预测值；为尽早预测性能指标数据的未来变化，以供网络管理员有充裕时间应对性能指标数据变化的影响，设置h＝k，则x_i+h是网络设备在下个周期的性能指标数据预测值；P_i-k和P_i+h-k分别是与P_i和P_i+h对应的前一个周期性能指标数据序列中的X_i-k和X_i+h-k的季节性值；

步骤3，执行预测算法的准备操作：从采集到的性能指标数据中，选择第一个周期的性能指标数据作为性能指标数据季节性值P₁,P₂,…,P_k和平稳性值S₁,S₂,…,S_k的初始值：

设置P₁＝P₂＝…＝P_k＝1，即该性能指标数据在每个设定时段的整体递增或递减的季节性趋势值都为1，表示预测的性能指标数据没有递增或递减的趋势，其预测值是随着采集的实测数据值的变化而改变；

设置S₁＝X₁,S₂＝X₂,S₃＝X₃,...,S_k＝X_k，即前k个性能指标数据的平稳性值等于对应的前k个采集的历史性能指标数据的实测数值；

然后根据两个公式：当i＝1时，t₁＝X₂-X₁和当i≥2时，t_i＝β(S_i-S_i-1)+(1-β)t_i-1，分别计算得到性能指标数据的当前递增或递减的趋势性值t₁和t₂,t₃,…,t_k；

步骤4，基于设置的各个性能指标数据平稳性值、趋势性值和季节性值的初始值，计算得到符合采集到的性能指标数据变化特征的三个自变量系数α、β和γ的数值：利用除了最后一个周期的性能指标数据，分别调用不同系数值的α、β和γ，预测采集到的性能指标数据序列中的最后一个周期的性能指标数据预测值；再将该预测值与对应的最后一个周期的实测性能指标数据进行对比，以相似度最高的预测值所调用的三个系数α、β和γ作为所选择的自变量；

步骤5，根据选择的α、β和γ三个系数值和采集的性能指标数据、计算对应的平稳性值，趋势性值和季节性值；再利用三次指数平滑法中的预测公式：x_i+h＝(S_i+ht_i)P_i+h-k计算网络设备的性能指标数据预测值。

2.根据权利要求1所述的性能指标数据预测方法，其特征在于：所述步骤4中，计算三个自变量系数α、β和γ数值的方法包括下列操作步骤：

(4a)首先根据用户要求，设置三个预测系数α、β和γ最佳值的计算精度为1×10^·-a，其中，a为精确到小数点后的位数，a＞0；

再设置当前预测计算精度为1×10^·-b，且当前预测计算的三个系数的精度、精确到小数点后的位数b的初始值为1，a≥b＞0，此时的三个系数最佳值分别为α₁，β₁和γ₁，且α₁＝β₁＝γ₁＝0；同时设置用于预测计算的三个参数α，β和γ的初始值均为0.1；

(4b)根据采集的网络设备性能指标数据和三个系数α、β和γ的当前取值，利用三次指数平滑法：先计算对应的性能指标数据的平稳性，趋势性和季节性值，然后使用预测公式计算该性能指标数据最后一个周期的预测数值；

(4c)将系数γ的值在前一步骤的数值基础上增加1×10^-b后，若b＝1，则判断γ＜1是否成立；或者若b＞1，则判断γ＜γ₁+1×10^-b+1是否成立；若否，则执行后续步骤(4d)；若是，则根据采集的网络设备性能指标数据和三个系数α、β和γ的当前取值，利用三次指数平滑法的预测公式计算该性能指标数据最后一个周期的预测数值，然后返回执行步骤(4c)；

(4d)将系数β的值在前一步骤的数值基础上增加1×10^-b，γ取初始值后，若b＝1，判断β＜1是否成立；或者若b＞1，判断β＜β₁+1×10^-b+1是否成立；若否，则执行步骤(4e)；若是，则根据采集的网络设备性能指标数据和三个系数α、β和γ的当前取值，利用三次指数平滑法的预测公式计算该性能指标数据最后一个周期的预测数值，然后，返回执行步骤(4c)；

(4e)将系数α的值在前一步骤的数值基础上增加1×10^-b，β和γ都取初始值后，若b＝1，判断α＜1是否成立；或者若b＞1，判断α＜α₁+1×10^-b+1是否成立；若否，则执行步骤(4f)；若是，则根据采集的网络设备性能指标数据和三个系数α、β和γ的当前取值，利用三次指数平滑法的预测公式计算该性能指标数据最后一个周期的预测数值，然后，返回执行步骤(4c)；

(4f)此时，已经完成对三个系数α、β和γ分别在各自取值区间内，以1×10^-b为跨度的性能指标数据的全部预测值的数值计算操作；再将全部计算结果，即所有的预测值分别与其对应采集的最后一个周期的实测性能指标数据进行误差计算，从中选择误差值最小的预测值所调用的α、β和γ三个系数为最佳自变量系数组合，并重新设置为α₁、β₁和γ₁；

(4g)判断b＝a是否成立，若是，则已经得到满足用户精度要求的三个系数α、β和γ的最佳值，结束全部操作流程；若否，则设置b的数值加1，再分别设置三个系数α的初始值为α₁-9×10^-b，β的初始值为β₁-9×10^-b，γ的初始值为γ₁-9×10^-b；然后，返回执行(4b)至(4g)的操作步骤。