時(shí)間序列預(yù)測(cè)在流媒體服務(wù)中的應(yīng)用研究.pdf

1、流媒體系統(tǒng)常常因?yàn)橥瑫r(shí)實(shí)時(shí)處理大量用戶服務(wù)，而耗費(fèi)大量的資源和能源，譬如網(wǎng)絡(luò)帶寬和電力能源。不管是為了節(jié)省本身系統(tǒng)開支還是世界能源危機(jī)，為流媒體系統(tǒng)開發(fā)節(jié)省帶寬資源和服務(wù)器能源的方案越來越有必要；而在進(jìn)一步開發(fā)具體方案之前，對(duì)帶寬需求和服務(wù)器負(fù)載的預(yù)測(cè)成了首要解決的問題。因此，本論文提出并解決下面兩個(gè)問題：1)如何基于視頻跡文件的數(shù)據(jù)來預(yù)測(cè)視頻服務(wù)對(duì)于網(wǎng)絡(luò)帶寬的需求；2)如何基于視頻服務(wù)器上的日志文件數(shù)據(jù)來預(yù)測(cè)服務(wù)器負(fù)載的變化。

2、　　 為了解決這兩個(gè)問題，本文分別用圖像組聚合層大小和服務(wù)器日承載用戶量作為衡量網(wǎng)絡(luò)帶寬需求量和服務(wù)器負(fù)載的指標(biāo)，并且分別從視頻跡文件和服務(wù)器日志文件中選取樣本數(shù)據(jù)，進(jìn)而分別為它們各自提出了一套預(yù)測(cè)方案。這兩個(gè)預(yù)測(cè)方案都是基于時(shí)間序列建模和預(yù)報(bào)的一套理論和方法，在這套時(shí)間序列分析法中，我們提出了一個(gè)核心的ARMA模型擬合算法，并且在使用這個(gè)算法之前，都對(duì)樣本數(shù)據(jù)進(jìn)行了分析繪圖、趨勢(shì)項(xiàng)和季節(jié)項(xiàng)分離、平穩(wěn)化和零均值化等可逆預(yù)處理過程；而在

3、算法之后，都基于算法得到的平穩(wěn)過程模型進(jìn)行了預(yù)報(bào)，并且最終基于這些預(yù)報(bào)結(jié)果對(duì)未來數(shù)據(jù)進(jìn)行了預(yù)測(cè)。
　　 盡管問題一和問題二的兩套預(yù)測(cè)方案都基本上沒有脫離以上時(shí)間序列分析法的一般步驟，尤其是解決問題二的預(yù)測(cè)方案因?yàn)榫哂忻黠@的周期性而相對(duì)簡(jiǎn)單，但是在解決具體問題的過程中我們往往根據(jù)具體的需要而提出并實(shí)施一些特殊的數(shù)據(jù)處理。具體來說，問題一的預(yù)測(cè)方案中在運(yùn)行ARMA模型擬合算法前，我們?yōu)榱似椒€(wěn)化源樣本數(shù)據(jù)而特地提出了一個(gè)比較有效的可逆

4、初變換，并且該變換根據(jù)實(shí)驗(yàn)結(jié)果而一步步改進(jìn)成了最終的一個(gè)多步動(dòng)態(tài)預(yù)測(cè)機(jī)制。這種特殊的數(shù)據(jù)處理，為我們不斷豐富和完善上述時(shí)間序列分析理論和方法帶來了更多實(shí)際操作經(jīng)驗(yàn)。
　　 在提出這兩套預(yù)測(cè)方案的過程中，我們針對(duì)問題一和問題二各自設(shè)計(jì)了多個(gè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明我們的這兩套預(yù)測(cè)方案都有效而精度較高，都能夠捕捉到歷史數(shù)據(jù)的變化特征和趨勢(shì)，也就是說問題一和問題二都基本得到了較好的解決。特別是問題一的預(yù)測(cè)方案相對(duì)于世界上其他相關(guān)工作，不需要