时间序列模型_基于时间序列模型的RED算法研究

一、引言

RED算法曾是一种有效的网络拥塞控制算法，其主要思想是通过路由器输出端的队列长度控制发送端的数据。算法操作简单易实现，但同时也存在着参数难以确定、难以有效处理突增的网络流量以及公平性等问题。随着网络信息量的爆炸式增长，现行RED算法已经无法有效解决网络流量过分饱和的现状，也无法保证网络的服务质量。很多学者针对RED算法的缺陷展开了优化，基于数学方法提出了对丢包率的改进公式，降低了参数的敏感性，避免了概率突变的问题。本文基于时间序列模型对RED算法展开研究，首先建立时间序列模型，对已收集的网络流量数据进行归一化处理；对归一化处理后的样本进行训练直至达到精度要求，得到科学的模型参数；再设置预测值，计算出预测流量的平均队列长度。在此基础上，结合RED算法，得到合理的数据包丢包概率，动态调整平均队列长度，控制网络中的数据包传送。

二、国内外研究现状

RED算法由Sally Floyd和Van Jacobson首次提出，通过随机选择分组进行丢弃或标记，在队列溢出之前降低数据的发送速率，以缓解网络拥塞。后来，一些学者提出了各种改进的RED算法来提高网络性能。其中包括运用非线性公式增强算法中丢包概率的计算，用平滑的概率曲线替代振荡的概率曲线，借鉴Sigmoid函数的特性，在参数设定上降低了难度，避免了丢包概率突变的发生；基于流量预测的改进RED算法，利用人工神经网络模型进行流量预测，同时综合模拟退火和粒子群算法进行改进，进一步完善RED算法；Adaptive RED(ARED)算法，运用统计复用的方法，通过检查平均队列长度来调整发送窗口大小；DyRED算法，使用一个动态的最大阈值来控制路由器缓冲区在溢出之前的早期阶段的拥塞，进一步减少丢包，提高吞吐量；基于自适应动态调整的RED算法，利用S型升半哥西分布函数对丢包率函数进行非线性处理，利用目标队长的范围和平均队列长度的关系引入参数自适应调整策略对最大丢包率进行改进；建立基于一维离散时间的路由器网络拥塞控制非线性模型，通过对数据包丢包概率的参数进行控制，解决了参数的低维混沌问题，提高了算法的稳定性；QARED算法的改进，通过改变丢包概率计算函数，进一步提高了算法的自适应性、稳定性，降低网络丢包率；利用频时交替半解析法(HB-AFT)，研究了延迟非光滑网络TCP-RED拥塞控制系统周期解的近似解析表达式，提出了具有时滞的非光滑动力系统周期解的精确近似解析表达式；Smart-RED算法，使用平均场模型，解决了突发UDP流量或TCP连接时可能出现的问题，保持了较低的队列大小和合理的带宽利用率，缓解了网络拥塞。

目前已有的改进RED算法在实际应用上仍存在着参数难以选定、队列长度震荡不定等问题，本文在RED算法的基础上，考虑到网络流量具有自相似性、长相关性、周期性、混沌性等特征，提出了一种基于时间序列模型预测流量的RED拥塞控制算法(ARIMA_RED)，采用统计、数学等方法结合实际情况确定RED算法的参数，处理网络流量突增问题，在缓解网络拥塞中具有一定效果。

三、基于时间序列预测流量的RED拥塞控制算法——ARIMA_RED算法

3.1 ARIMA_RED算法原理

本文通过建立ARIMA模型来对流量值进行预测，归一化处理网络流量训练集数据，首先计