钱 渊，宋 军，傅 珂

（1.空军工程大学电讯工程学院，陕西 西安 710077；2.机电动态控制重点实验室，陕西 西安 710065）

0 引言

随着网络技术的发展，互联网业务量急剧增长，用户对网络服务质量提出了更高的要求。网络流量是影响网络运行质量变化的内在动因，在网络资源有限的条件下，网络流量的测量、分析和预测等方法对于减少网络拥塞、合理分配资源、提高服务质量、发现网络异常等行为具有十分重要的作用。

互联网中网络流量数据呈现出非平稳动态随机变化，具有非线性、分形、长相关、自相似性、突发性等特征，研究人员利用网络流量的不同特征进行预测，但是单一模型很难实现更准确的要求，预测的误差比较大。组合预测模型预测网络流量可以结合单项预测模型的优点，能够更准确地刻画流量特性［1－4］。本文采用组合预测模型，综合灰色模型和支持向量机（Support Vector Machines，SVM）预测的优点，提出基于支持向量机残差补偿的灰色模型网络流量预测模型，取得较为精确的预测效果。

1 灰色模型及支持向量机模型预测

1.1 灰色模型预测

灰色系统理论［5］是一种研究“小样本、贫信息”不确定性问题的方法，通过对杂乱无章的、有限的、离散数据的研究，找出潜在规律，建立相应的灰色预测模型，其短期预测比较准确［6］。

1.1.1 GM（1，1）模型预测

常用灰色模型的是单变量一阶灰色模型GM（1，1），该模型通过对原始数据作一次累加生成，使生成的数列呈一定规律，建立微分方程模型，求得拟合曲线，实现预测。……