网络流量峰值预测传统的预测手段

传统的预测手段有数理统计方法、基于自回归分数整合滑动平均(FARIMAFARIM)模型的方法、灰色系统模型的方法以及使用神经网络预测业务量和利用模糊判决规则来预测网络流量的方法等。各种不同的模型及方法在不同的应用中有各自的特点，尤其是神经网络预测方法在预测网络流量方面已经有很好的成果。但是在网络管理中至关重要的峰值预报则显示出不足，大量的实验表明，其预测结果与实际值相比明显偏小，有待进一步的改进。FARIMA:由自回归模型与滑动平均模型综合而成的模型，它可在最小方差意义下对平稳时间序列进行逼近预报和控制M-P模型,其实是按照生物神经元的结构和工作原理构造出来的一个抽象和简化了的模型。简单点说，他是对一个生物神经元的建模。