基于神經網絡的帶寬需求分析預測

杜潔

(云南電網公司信息中心，昆明 650217)

基于神經網絡的帶寬需求分析預測

杜潔

(云南電網公司信息中心，昆明 650217)

提出了一套應用 “十二五”期間應用系統的流量數據預測 “十三五”期間電力數據通信網絡帶寬需求的方法，該方法基于BP神經網絡對管理信息化業務系統建模，在考慮假設與限制條件的前提下，應用建立的模型分析出分析出“十三五”期間通信數據網絡的帶寬需求，為未來通信網絡的建設提供參考。

BP神經網絡；帶寬需求；業務流量模型

0 前言

隨著電力行業信息化建設的不斷深入，IT集約化建設管控的不斷加強，云計算、物聯網、智能電網、大數據、商業智能等先進技術發展及日趨廣泛應用，如何有效預測信息系統的帶寬需求，進而開展數據通信網絡的建設是當前必須系統安排的問題。

1 網絡帶寬預測技術

1.1 網絡帶寬預測模型技術分析

通過Internet傳輸的信息量正在不斷地呈現出以指數速率方式增加[1]。目前，線性預測方法[2-4]是最常用的方法，例如簡單的基于業務的平均值、最大值累加，也有基于過去很長一段時間的統計趨勢預測。業務流量累加是流量估算中最常想到和使用的方法，就是將每個業務每天的平均值或最大值進行累加，估算某接口上的平均值或最大值，但由于某一業務在一天中的流量分布情況和另一業務在這天中的流量分布情況不一定相同，因此這種方法的準確性不高。泊松模型是根據電話業務的特征提出來的，可以較為準確的描述電話網中業務特性并得到廣泛應用，同時該模型也用于研究網絡流量，在網絡的設計、維護、管理和性能分析等方面發揮了很大作用，但數據通信流量的突發性并不像語音通信那樣平滑，因此泊松模型不適合用于數據網絡流量分析。業務流量累加的技術采用各業務最大或平均流量估值相加的方式，流量的預測具有很大的不準確性，只能定性的判斷鏈路的帶寬需求，無法定量的判斷帶寬需求，更無法用于指導網絡建設和投資。Poisson模型則更多用于傳統的電話交換網，不適用于流量評估預測中。ARIMA等自相似模型基于統計規律，采用歷史值預估未來值，是網絡流量預估分析中最常用的方法，但是其缺點也很明顯，即無法反映業務的發展對網絡流量造成的影響。

BP神經網絡模型首先可以根據業務，建立每個業務的流量模型；其次，只要激活函數選取合理，就能模擬出最優方程；此外，基于樣本的自學習與自修正，與實際情況相比誤差小。

因此，BP神經網絡適用于對數據網絡的網絡流量預測研究中。

1.2 BP神經網絡模型

BP(Back Propagation)神經網絡，即誤差反傳誤差反向傳播算法的學習過程，由信息的正向傳播和誤差的反向傳播兩個過程組成[5]。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元；中間層是內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層可以設計為單隱層或者多隱層結構；最后一個隱層傳遞到輸出層各神經元的信息，經進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱層、輸入層逐層反傳。周而復始的信息正向傳播和誤差反向傳播過程，是各層權值不斷調整的過程，也是神經網絡學習訓練的過程，此過程一直進行到網絡輸出的誤差減少到可以接受的程度，或者預先設定的學習次數為止。

BP神經網絡模型BP網絡模型包括其輸入輸出模型、作用函數模型、誤差計算模型和自學習模型。

1.2.1 節點輸出模型

f-非線性作用函數；q-神經單元閾值。

1.2.2 作用函數模型

作用函數是反映下層輸入對上層節點刺激脈沖強度的函數又稱刺激函數，一般取為 (0，1)

1.2.3 誤差計算模型

誤差計算模型是反映神經網絡期望輸出與計算輸出之間誤差大小的函數：

tpi-i節點的期望輸出值；Opi-i節點計算輸出值。

1.2.4 自學習模型

神經網絡的學習過程，即連接下層節點和上層節點之間的權重矩陣Wij的設定和誤差修正過程。BP網絡有師學習方式-需要設定期望值和無師學習方式-只需輸入模式之分。自學習模型為

h-學習因子；Фi-輸出節點i的計算誤差；Oj-輸出節點j的計算輸出；a-動量因子。

2 通信網絡帶寬需求預測分析

2.1 預測方法

“十三五”期間的通信網絡帶寬需求將基于“十二五”期間的業務系統建模開展分析，總體方法如圖1所示：

圖1 網絡帶寬預測方法

首先，根據業務的特性，對綜合數據網所承載的業務進行分類分析，經過對現有綜合數據網承載的業務進行分析和梳理。在明確業務類型的基礎上，以盡量覆蓋重要業務為原則，選取現網中的業務流量采集范圍和采集點，利用流量分析工具，采用Netflow方式對綜合數據網流量進行采集和分析?；诓杉降牧髁刻卣鲾祿謩e針對納入采集范圍的重要業務進行建模分析，重點針對管理信息化業務系統，利用BP神經網絡模型對關鍵業務系統的單用戶帶寬流量需求進行建模?；?“十三五”業務流量估算的假設，梳理“十三五”期間業務的范圍；根據具體業務在峰值帶寬需求等方面的特征，將業務系統與現網業務系統所建立的單用戶帶寬需求模型相對應，選取相應的模型進行分析；分析業務系統的用戶情況，提出某一時刻內的活躍用戶比例；在上述幾個步驟的基礎上，用單用戶的流量與活躍用戶數相乘，可以得到業務系統在工作時段內的總體流量情況。根據已建立的各業務的模型，分別按業務流經的路徑，對綜合數據網主干網、省級綜合數據網以及地區綜合數據網的帶寬需求進行估算，同時考慮一定的裕量，提出 “十三五”期間的帶寬流量需求。

2.2 假設及限制條件

1)假設業務應用系統的用戶訪問習慣和業務模式基本是不會變化的，從而可以大致確定活躍用戶分布情況以及單用戶的流量分布情況；

2)假設新增加的業務系統能給出平均流量值或與現有某系統非常相似，如用戶群體相同、架構相近、業務內容基本相同等。

3)在業務量的增長方面， “十三五”期間，原有的企業信息系統將會根據業務的發展需求，提供更豐富的業務應用，例如是營銷管理系統，可能將會引入面向終端用戶的電動汽車充電、分布式能源管理等業務，預計業務量將大幅增長，假設業務的增長量為30%。此外，隨著業務的進一步發展，可能會涌現出新的業務系統，假設在“十三五”期間，公司將新建五個業務系統，用戶覆蓋網省地市等分子公司。

4)在系統的部署模式方面，假設 “十三五”期間，將實現集團化部署。

5)根據現有數據測算，系統的活躍用戶數一般為0.5%～0.6%，按0.6%進行估算，特殊業務 (OA和營銷)活躍用戶比例達到10%。

6)網絡帶寬需求分析應考慮企業信息化系統對網絡帶寬的需求、互聯網訪問業務、語音視頻、FTP等業務。

2.3 業務帶寬需求建模

2.3.1 建模方法

本次分析采用BP神經網絡來模擬出流量的方程，流量方程的模擬過程是用樣本學習、修改的過程。最終，當方程模擬結果和樣本值誤差小于定義的誤差時，就認為得到一個描述業務系統流量的最佳方程。一個完整的流量估算步驟如下：

圖2 建模方法

完整的流量估算過程是學習-＞修改-＞驗證-＞修改的過程。一個模型的好壞取決于樣本的質量和BP網絡的設計參數，通過使用新樣本來驗證之前推導出的模型是否工作良好，如果誤差不在可忍受的范圍，則需要重新調整BP網絡的設計參數。

2.3.2 模型數學推導

流量模型用于將來的流量預測，即要將業務的發展反映到流量模型中，需要推導出流量和用戶數、時間的關系。即：

設y為某業務的流量，x為業務的并發用戶數，t為一天中的某時刻。

而并發用戶數x是一個和總用戶數及時間相關的函數：

其中A是業務的總用戶數

經驗可知，某業務的總用戶數A在一定時間內是不會變化的，所以A是一個常數。因此x是一個只和時間t相關的函數。

綜上，業務的流量y是一個和時間相關的函數：

所以我們整個運用BP網絡解決流量模型的過程就是推導出流量和時間的關系方程。

當我們需要測量某一接口上的流量時，只需要將接口上各種業務的流量累加，即：

2.3.4 單系統模型

用MATLAB的BP神經網絡工具集設計一個二層的BP網絡，以某系統的流量估算為例，首先將前期采集的數據進行歸一化處理。

圖3 歸一化處理前后數據

經過歸一化處理后，流量曲線未發生任何變化，但流量已經收斂到-1到1的范圍內，這將大大減少后面計算公式的計算量。

經過3 038次計算后，誤差已經收斂到0.01；繪制出的函數曲線如下圖所示，這條曲線代表了此業務從早上9點到18點的流量情況，可以用作估算此業務的流量。

圖4 流量模型與原流量對比

有了這些權值參數后，就可以根據前面選取的激活函數推出代表此流量的方程：

其中，

選取了8個典型系統進行建模，這些模型為網絡帶寬需求分析的基礎。

2.3.5 模型匹配及網絡帶寬需求

1)已上線的系統采用現有數據建模。

2)未上線且與現有業務高度匹配的系統，采用現有系統的模型。

3)未上線且與現有業務不匹配的系統，將提取這些系統的覆蓋范圍以及單用戶峰值帶寬數據，選取與這些特征相似的現有系統的流量模型。

4)對于預留考慮的新增業務系統，使用現有業務系統中流量較高的模型進行預估。

選取得到的模型是基于業務的單用戶流量模型，在此基礎上，需要考慮網絡所承載的活躍用戶數，通過單用戶的流量與活躍用戶數相乘得到該業務系統的網絡帶寬需求。根據對現網業務數據的分析發現，一般業務活躍用戶的比例基本在0.5%～0.6%，因此按最大0.6%進行預估，特殊業務 (OA和營銷)活躍用戶比例達到10%。

在獲得單用戶帶寬需求模型以及活躍數量后，可以預測出管理信息化業務在 “十三五”期間對是通信網絡帶寬的需求。

除了管理信息化業務外，還需要考慮互聯網訪問業務流量、FTP流量以及視頻會議、語音業務的流量。對于互聯網訪問業務，可以采用管理信息化業務相同的方法建模進行預測；對于FTP業務，由于其業務有較大的不確定性，故應該將其考慮累加到帶寬的峰值上，對于視頻語音業務，由于視頻會議流量大小相對固定，業務時間有非常大的不確定期性，故應將視頻會議與語音業務流量帶寬需求直接累加到網絡通信帶寬的峰值上。

綜上，通過利用BP網絡對現網業務系統建模，預測出 “十三五”期間管理信息化業務對帶寬的需求，同時考慮互聯網訪問業務、FTP業務和視頻語音業務的帶寬需求。

3 分析結果

對于管理信息化的流量，根據業務流量建模，將流量曲線乘以用戶數，并按時間節點進行合并，即可得到管理信息化業務的帶寬要求的流量曲線。在總體考慮50%的冗余后，可得到各層級網絡帶寬需求如下所示：

圖5 主干綜合數據網管理信息化流量模型

根據以上通信網絡帶寬需求分析，可以預測出網-省-地-縣-所四級綜合數據網的網絡通信帶寬需求。

4 結束語

本文通過對電網業務系統進行分析，應用神經網絡模型對業務帶寬需求進行建模，在此基礎，估算出 “十三五”期間綜合數據網的帶寬需求，為 “十三五”期間總和數據網的建設提供參考。

[1] 李小航.網絡業務流的特性分析及預測技術研究 [D].江南大學，2008.

[2] Y Baryshnikov，et al.Traffic Prediction on the Internet[R]. New York：Columbia University，2002.

[3] D Morato，et al.On linear prediction of internet traffic for packet and burst switching networks[C].ICCCN，Scottsdale，Arizona，USA，2001：138-143. [4] M Lee.Video traffic prediction based on source information and preventive channel rate decision for RCBR[J].IEEE Transactionson Broadcasting，2006，52(2)：1-11.

[5] Y Liang，X Liang.Improving signal prediction performance of neural networks through multi-resolution learning approach [J].IEEE Trans Systems，Man，and Cybernetics-Part B：Cybernetics，2006，36(2)：341-352.

[6] 面向Matlab工具箱的神經網絡理論與應用 [M].清華大學出版社.

[7] 張立明.人工神經網絡的模型及其應用 [M].復旦大學出版社.

Analysis of Network Bandwidth Requirement Based on Neural Network of Integrated Data Network in Power Grid

DU Jie
(Yunnan Power Grid Co.，Ltd Information Centre，Kunming 650217，China)

This paper analyzes the network bandwidth estimation model，and proposed method of network bandwidth demand analysis of power data communication.On the basis of this，BP neural network is used to modeling of bandwidth demands of information system.The bandwidth requirement of communication data network is analyzed，and the reference for the construction of communication network is provided.

BP neural network；bandwidth requirement；traffic model

TM76

B

1006-7345(2015)06-0083-04

2015-09-03

杜潔 (1985)，女，工程師，碩士，云南電網公司信息中心，主要從事電力信息化的規劃建設 (e-mail)dujie1430＠sina.com。