[发明专利]一种基于流量预测的卫星网络队列管理方法

说明书

本发明提供一种基于流量预测的卫星网络队列管理方法，构建动态三次指数平滑模型，将具有自相似性的流量数据作为动态三次指数平滑模型的输入，利用差分进化算法优化动态三次指数平滑模型中的平滑系数，将最优平滑系数对应的动态三次指数平滑模型作为预测模型，利用三次曲线函数对ARED算法的包丢弃概率函数进行平滑的非线性处理，通过ARED算法输出包丢弃概率用于控制传输信道中的丢包率、吞吐量、平均队列长度，本发明方法提高了流量预测的精度，还为网络拥塞控制提供充足的时间，利用非线性的包丢弃概率函数改进ARED算法可以有效控制队列长度的同时解决RED的参数敏感性问题，使信道传输更加稳定。

技术领域

本发明属于卫星网络通信技术领域，具体涉及一种基于流量预测的卫星网络队列管理方法。

背景技术

时间序列模型是应用最广泛的流量预测模型，分为移动平均模型、平稳时间序列模型和指数平滑模型。其中，时间序列中的指数平滑模型最早由CC.Holt于1958年提出，原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均，利用修匀技术，削弱短期随机波动对序列的影响，使序列平滑化，从而获得时间序列平滑值，作为未来短期内的预测参数。该算法是生产预测中利用最广泛的一种方法，也用于中短期经济发展趋势预测。

指数平滑模型具有不同的平滑次数，其中三次指数平滑(Holt-Winter)预测模型主要针对时间序列中的非线性趋势进行修正，能够适应卫星网络流量的非线性、自相似性和长相关性变化趋势。Holt-Winter算法包括三个平滑方程和一个预测方程，对各期观测值依时间顺序进行加权平均，其结果作为流量预测值，表现出历史数据对未来值的影响随时间而递减的特征。传统三次指数平滑模型的平滑系数α是固定值，该模型主要应用于稳定的数据模型，在中长期数据预测中，当数据变化较大时，无法及时调整，导致预测误差变大。为此，有学者对传统的三次指数平滑法做了改进，提出了动态三次指数平滑预测模型。动态三次指数平滑法是在传统算法的基础上提出动态平滑系数，并采用迭代的方式对参数进行更新。该算法在复杂数据的中长期预测中可减小预测误差，具有更好的稳定性。

典型的队列管理模型有随机早期检测(Random Early Detection,RED)，和自适应随机早期检测(Adaptive Random Early Detection,ARED)等。RED队列管理方法中参数设置敏感度较高，包丢弃概率为线性函数，丢包速率过快容易造成队列振荡，信道利用率过低；ARED队列管理方法实现了参数的自动调节，但是ARED中包丢弃概率函数仍为线性，线性增长速率过快容易导致队列振荡。

发明内容

针对现有技术的不足，本发明引入三次曲线函数对ARED算法进行改进，能有效降低丢包率，提高平均队列长度，提高信道利用率。为此，本发明提出一种基于流量预测的卫星网络队列管理方法，适用于具有自相似特性的卫星网络业务流量，包括：

步骤1：对卫星网络中一段时间内的流量数据进行自相似性判断；具体表述为：采用重标极差R/S分析法估算流量数据的Hurst指数H，如果H∈(0.5,1)，说明所述流量数据具有自相似性；

步骤2：将具有自相似性的流量数据作为动态三次指数平滑模型的输入，结合动态三次指数平滑模型和ARED算法得到包丢弃概率；

步骤3：通过得到的包丢弃概率控制传输信道中的丢包率、吞吐量、平均队列长度。

所述步骤2包括：

步骤2.1：构建动态三次指数平滑模型，将具有自相似性的流量数据作为动态三次指数平滑模型的输入，利用差分进化算法优化动态三次指数平滑模型中的平滑系数，得到一个平滑系数的最优解；

步骤2.2：将平滑系数最优解对应的动态三次指数平滑模型作为最优预测模型，将最优预测模型输出的流量数据的预测值作为ARED算法的输入；

步骤2.3：利用三次曲线函数对ARED算法的包丢弃概率函数进行平滑的非线性处理，通过ARED算法输出包丢弃概率。