[发明专利]基于随机森林的周期性流量预测方法

说明书

本发明公开了一种基于随机森林的周期性流量预测方法，主要解决现有技术无法对不同数据流分别进行流量预测的问题。其实现方案为：采集各类别应用程序的流量；对采集的每一条数据流划分时间序列，并统计时序点特征；根据时序点特征计算时间序列周期指标；根据时间序列周期指标构建周期指标确定算法；计算时序点位置特征，结合周期指标构建数据预测算法；利用周期指标确定算法和数据预测算法对实际数据流进行流量预测。本发明通过确定数据流的周期起始点，排除了非周期数据产生的影响，提高了预测的准确性；同时由于对每一条数据流均统计了时序点特征，输入不同数据流的时序点特征，实现了对不同数据流的数据预测，可用于带宽分配。

技术领域

本发明属于计算机网络技术领域，具体涉及一种周期性流量预测方法，可用于网络管理中的带宽分配。

背景技术

流量预测是在已传输流量的基础上，根据所选择的已传输流量的部分特征，预测未来一段时间的流量传输情况。流量预测通常用于确定网络流量的基准以实现流量负载均衡，或者针对带宽、时延等特征对网络进行合理的网络规划设计和带宽分配。

随机森林是机器学习中的一种有监督学习算法，可以用于分类和回归两种应用方式。流量预测主要采用随机森林的回归模式，通过将数据分为训练集和数据集，分别构建训练模型和测试模型，从而实现流量预测功能。

目前，针对流量识别的实现主要有两种方式：一种是通过构造时间序列模型进行流量预测，另一种是利用机器学习算法对流量进行训练并识别。其中，差分整合移动平均自回归模型(Autoregressive Integrated Moving Average，ARIMA)模型是应用最为广泛的时间序列预测模型，该模型首先根据平稳性对流量时间序列是否可以预测进行判断，然后再对可以预测的时间序列依次进行差分运算、自回归运算以及移动平均运算，以实现流量预测功能。由于该模型对流量进行预测时不仅需要统计确定时刻的流量特征，而且还需要一段时间长度以年、月为单位的连续时间内的流量数据，但是不同类型的应用流量的产生时刻不仅与具体时刻无关，且持续时间通常较短，因此ARIMA模型无法对不同类型的应用程序流量进行预测。

另一方面，基于机器学习算法进行流量识别主要有两个目标：流量预测和流量分类。其中，基于机器学习算法的流量预测方法，虽然可以实现对一段较短时间内的流量进行预测，但由于目前的基于机器学习算法的流量预测方法主要是对总流量进行预测，并未对不同类型的网络应用流量分别进行预测，因此在执行带宽分配时无法为各类应用准确地分配所需要的带宽；基于机器学习的流量分类算法虽然可以针对不用类别的应用流量进行区别处理，例如申请公布号为CN201910201795，名称为“基于多层神经网络的网络应用识别方法”的专利申请，公开了“基于多层神经网络的网络应用识别方法”，在该专利中通过机器学习算法中的神经网络算法，对不同网络应用进行识别分类，可以检测出不同应用流量的特征，但其不足之处在于：仅对不同应用程序进行分类，确定应用类型，未得到不同应用程序的实际流量数据大小，无法确定应用流量的实际带宽需求，因此在网络管理中不能给应用分配所需的带宽。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出一种基于随机森林的周期性流量预测方法，以对不同类别的具有周期性的网络应用流量的流量数据大小进行预测，从而实现对不同类型的应用分配各自所需的带宽。

为实现上述目的，本发明采用的技术方案如下：

(1)采集各类别应用程序的流量数据；

(2)将每个数据流划分为时间序列，提取每个时序点的八个特征，即序号k、时序点内数据包总字节数B₁、时序点内最大数据包字节数B₂、时序点内最小数据包字节数B₃、时序点内平均数据包大小B_a、时序点内最大数据包发送时间间隔t₁、时序点内最小数据包发送时间间隔t₂、时序点内平均数据包发送时间间隔t_a；

(3)构建周期指标确定算法：