本文版權(quán)為《郵電設(shè)計技術(shù)》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設(shè)計技術(shù)》編輯部
摘要：以O(shè)LT上聯(lián)口的下行流量為研究對象，分別使用趨勢擬合法、平滑法和ARIMA模型建模并進(jìn)行流量預(yù)測。其中趨勢擬合法選擇了典型的線性擬合，平滑法使用了平均移動法和 Holt 兩參數(shù)指數(shù)平滑模型，ARIMA 則選擇了 ARIMA（0，1，1）模型進(jìn)行建模分析。對 4種模型的絕對百分比誤差（MAPE）進(jìn)行了對比，結(jié)果表明 ARIMA 模型和 Holt兩參數(shù)指數(shù)平滑模型預(yù)測精度相似，都取得了良好的預(yù)測效果，適合用于 OLT上聯(lián)口流量預(yù)測，而線性回歸和平均移動法預(yù)測結(jié)果較差，不適合做精度要求較高的流量預(yù)測。
關(guān)鍵詞：網(wǎng)絡(luò)流量預(yù)測；ARIMA模型；指數(shù)平滑法；Holt兩參數(shù)指數(shù)平滑模型
doi：10.12045/j.issn.1007-3043.2023.07.011
研究背景
隨著寬帶用戶網(wǎng)絡(luò)需求的快速增長和固網(wǎng)數(shù)據(jù)的大幅提升，運(yùn)營商越來越重視寬帶用戶的使用體驗(yàn)，并投入更多的精力用于固網(wǎng)寬帶網(wǎng)絡(luò)設(shè)備的擴(kuò)容和維護(hù)，科學(xué)規(guī)劃網(wǎng)絡(luò)容量已成為運(yùn)營商發(fā)展的重要議題。網(wǎng)絡(luò)流量指標(biāo)是評價網(wǎng)絡(luò)管理質(zhì)量的重要參數(shù)，對流量的預(yù)測是指依據(jù)設(shè)備歷史數(shù)據(jù)對未來一段時間的流量進(jìn)行建模與估計，相較于流量達(dá)到告警閾值后再升級設(shè)備，流量預(yù)測可以幫助網(wǎng)絡(luò)管理員掌握網(wǎng)絡(luò)變化的規(guī)律，更合理地安排預(yù)算、設(shè)備升級和割接計劃，也極大地改善了用戶上網(wǎng)體驗(yàn)。此外，隨著運(yùn)營商算力的提升，流量預(yù)測甚至可以應(yīng)用到用戶級別，為提供個性化服務(wù)做支撐，因此流量預(yù)測一直是網(wǎng)絡(luò)研究領(lǐng)域的重要研究方向。
通常當(dāng) OLT 上聯(lián)口的寬帶利用率峰值到達(dá) 70%時就需要開始考慮流量擴(kuò)容，同時用戶的下行網(wǎng)絡(luò)流量往往要高于上行網(wǎng)絡(luò)流量，因此對 OLT上聯(lián)口的下行流量速率峰值進(jìn)行時間序列的分析、預(yù)測具有重要意義，是OLT擴(kuò)容的主要技術(shù)指標(biāo)。
寬帶設(shè)備的流量速率是網(wǎng)管系統(tǒng)記錄的主要數(shù)據(jù)之一，OLT 下行流量速率峰值數(shù)據(jù)可以看做是一組時間序列，對于時間序列的分析主要包括模型識別、模型擬合、模型診斷3個步驟。
在模型識別階段需要根據(jù)時間序列的時序圖特征和統(tǒng)計量特征選擇合適的模型。時間序列的統(tǒng)計學(xué)模型有很多，包括趨勢擬合法、平滑法及 ARIMA 等模型。運(yùn)營商積累了大量流量數(shù)據(jù)，但對這類數(shù)據(jù)的處理往往比較粗獷，經(jīng)常使用到的流量預(yù)測方法有線性擬合法和移動平均法，這些方法操作簡單，模型直觀，但也存在擬合度低、預(yù)測效果差的缺點(diǎn)。相比而言，Holt-Winters 模型和 ARIMA 模型增加了更復(fù)雜的模型維度和參數(shù)類別，可以更充分地擬合復(fù)雜的流量趨勢及短期的隨機(jī)趨勢。
