32、网络流量预测与云计算负载均衡技术解析

网络流量预测与云计算负载均衡技术解析

网络流量预测：聚类增强法

在网络流量预测领域，前人提出了多种方法。Chabaa 等人提出用神经网络方法预测网络流量以提升网络服务质量（QoS），Kuang 等人则提出二维校正和单指数平滑的混合模型来预测移动网络流量。

通用框架

为了增强网络流量预测，提出了一种结合传统预测模型与聚类质心的集成模型。传统预测模型包括加权指数平滑（WES）、Holt - 趋势指数平滑、自回归移动平均（ARMA）、混合模型（小波与 WES）以及自回归神经网络（NARNET）模型，用于预测网络流量中的未来负载数据包。
集成模型的创新之处在于将传统时间序列模型的预测结果与聚类方法得到的质心相结合，使用 k - 均值聚类方法增强时间序列预测模型。

评估指标 ：
使用均方误差（MSE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）作为性能指标，具体公式如下：
- (MSE = \frac{1}{N}\sum_{k = 1}^{n}(x_t - \hat{x} t)^2)
- (RMSE = \sqrt{\frac{1}{N}\sum {k = 1}^{n}(x_t - \hat{x}_t)^2})
- (MAPE = \frac{\sum|(x_t - \hat{x}_t)/x_t|}{n} * 100)

集成模型步骤

1. 收集网络数据 ：使用最近六个月数据集作为窗口大小进行实验。
2. 数据选取