李慧敏

(福建交通职业技术学院信息技术与工程系，福建 福州 350007)

随着计算机网络的迅速发展，网络规模日益庞大和复杂，发生各种故障的可能性也越大，为了给用户提供优质的服务，网络的维护与管理显得尤为重要.传统的响应式网络管理方法是在告警之后，解决潜在的问题，这时候网络服务很可能已经受到影响.这就使得网络流量预测技术备受关注，因为它使得提前发出预警成为可能.人们最初主要借鉴PSTN的流量模型，用Poisson模型来描述数据网络的流量模型.随着网络的发展，Paxson V与Floyd S指出这种传统的Poisson模型已经不适于Internet的流量描述与预测［1］.大量研究表明，实际的网络流量具有自相似性，是指统计意义下的自相似性，即它的统计特性独立于时间范围.在这方面国内很多学者进行了大量的研究工作.例如，丛锁等给出了基于小波技术的网络流量特性刻画［2］，并提出一种基于小波变换的网络流量多重分形模型［3］，用于分析网络流量的自相似特征;很多学者也把人工神经网络应用到流量预测中［4－5］并取得了一定预测效果.

如何提高预测的准确度一直是网络流量预测的主要难题.本文就此问题展开研究.在本文的研究中，采用了从实际网络上收集的实时网络业务数据，实验结果表明该模型与比传统单一的预测模型相比有较高的预测精度.

1 小波包多尺度分析

小波变换理论［6］是上世纪80年代后期发展起来的应用数学分支，近年来被广……