[本文摘要]

针对网络流量的波动性与自相似特性为其精确预测提出的挑战，提出了一种基于FARIMA-GARCH模型的预测算法。该算法首先利用分段双向CUSUM检测算法对流量序列的均值进行有效检测，并在此基础上将序列零均值化；然后采用限定搜索法对分数差分阶数进行精确估计；在获得模型参数后，使用FARIMA-GARCH模型对网络流量进行预测。仿真实验表明，限定搜索法能够获得比传统算法更高的估计精度。随后采用真实网络流量验证了预测算法的性能，在保持与FARIMA预测算法等价的时间复杂度下，其均方根和相对均方根误差与RBF神经网络预测算法相当，而高于FARIMA预测算法。同时，预测算法对突发流量的跟踪和预测性能明显优于对比算法，且有更好的区间估计性能。