[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

摘要

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，是以网络管理系统已经采集到的网络设备周期性历史指标数据的数值作为基础，再利用三次指数平滑法，预测或估算该网络设备对应的未来性能指标数据及其未来变化，以供网络管理人员根据预测的网络设备性能指标数据来设计更加合理、优选的网络管控维护策略，提前做好应对各种突发情况的准备，保证网络服务的质量。本发明方法操作步骤简单、算法便捷容易，还能实现自动计算三次指数平滑法的三个系数α、β和γ的最佳数值；且预测结果非常接近实测数值，符合性能指标数据变化特征。因此，本发明具有很好的推广应用前景。

主权项

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,…,Xi,…,Xk,…,Xn；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：xi+h＝(Si+hti)Pi+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xi+h；式中：Si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，Si＝Xi；当i＞k时，ti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，ti＝X2‑X1；当i≥2时，ti＝β(Si‑Si‑1)+(1‑β)ti‑1；pi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，Pi＝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；Si、ti和Pi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，xi+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xi+h是网络设备在下个周期的性能指标数据预测值；Pi‑k和Pi+h‑k分别是与Pi和Pi+h对应的前一个周期性能指标数据序列中的Xi‑k和Xi+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,…,Pk和平稳性值S1,S2,…,Sk的初始值：设置P1＝P2＝…＝Pk＝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,...,Sk＝Xk，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，ti＝β(Si‑Si‑1)+(1‑β)ti‑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,…,tk；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：xi+h＝(Si+hti)Pi+h‑k计算网络设备的性能指标数据预测值。