[发明专利]空天地一体网络下基于自回归的多维资源预测方法及系统

说明书

本发明公开了空天地一体网络下基于自回归的多维资源预测方法及系统。在该方法中，为了提升对缓存资源和带宽资源“拥塞”时的预测准确性，设计了基于误差容忍的优化函数，该函数通过引入资源值权重系数，以对资源值较大时误差的“宽容”换取对资源值较小时预测的准确性提升。经仿真实验验证，改进后的自回归模型对关键资源“拥塞”时的预测误差大幅降低。

技术领域

本发明属于网络流量路由技术领域，特别涉及空天地一体网络下基于自回归的多维资源预测方法及系统。

背景技术

空天地一体化网络的网络异构性、拓扑动态性和资源的多样性给路由算法设计提出了很大的挑战。根据应对一体化网络拓扑动态性的方式，可以将路由算法划分为基于时间虚拟化的路由算法和基于空间虚拟化的路由算法。基于时间离散虚拟化的路由算法，利用卫星运动的周期可预测性，将卫星网络的运行时间划分为N个时隙，然后针对这N个时隙的静态网络拓扑进行路由规划。基于空间虚拟化的路由算法，其假设卫星绕地球形成的拓扑是由众多位置固定的虚拟节点构成，任何时刻，拓扑中的一个虚拟节点可以对应现实中的一颗卫星。由此，该类路由策略将动态拓扑的路由问题转发为一个虚拟逻辑拓扑的路由问题。

但这产生了一个新的问题，基于虚拟化拓扑的提前路由策略与一体化网络滞后感知间的矛盾。目前对一体化网络中动态拓扑的处理方式主要是利用卫星星历数据对网络拓扑基于时间或者基于空间进行提前预测。为了在网络路由过程中对多维资源进行合理调度，在拓扑预测的基础上，还需结合全网资源感知数据，才能做出全局最优路由规划。然而一体化网络对节点和链路的资源、链路感知是实时且有时延的，无法满足路由规划的需要。与此同时，常见的资源预测模型——自回归模型对于预测误差是“一视同仁”的，而网络资源在不同情况下的误差对于网络路由效果的影响却是不同的。比如，当网络链路分别处于高负载和处于闲置状态时，前者可用带宽的误差可能导致网络拥塞，而后者只是降低一些网络性能，显然前者的误差更加不可接受。因此，应该基于误差容忍对自回归预测算法进行改进。

发明内容

本发明的目的在于提供空天地一体网络下基于自回归的多维资源预测方法及系统，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

空天地一体网络下基于自回归的多维资源预测方法，包括以下步骤：

通过控制器获得资源连续m个周期的统计数据，作为原始序列数据，对原始序列数据作白噪声检验，若判定序列为白噪声，建模结束，否则对序列作平稳性检验；

检验判定为非平稳序列，则进行序列的平稳化处理，进行建模；

对模型进行识别，通过优化目标函数估计其最优参数；

检验模型的适用性，若检验通过，则得到拟合模型并对序列做预测；否则重复估计模型的最优参数。

进一步的，通过控制器获得某资源连续m个周期的统计数据：时间序列T_1、T_2、T_3至T_m序列数据，在m个时间序列中，以距离周期起始时刻相同的时间间隔采集共m个数据，将得到的数据按照所处周期的排序进行排列得到周期序列，对时间序列的n个时刻的数据截取后重排得到n个周期序列。

进一步的，对得到的周期序列计算偏自相关系数，根据偏自相关系数的截尾性，即PACF(k)在kp时变为0，判断该序列对应的自回归模型阶数为p。

进一步的，资源对应的自回归模型为：

c_t＝α₁c_t-1+α₂c_t-2+…+α_pc_t-p+ε_t