基于神经网络的电力数据通信网络带宽需求预测探析
时间：2023-02-17 13:15:06 来源：柠檬阅读网 本文已影响 人 
中国电建集团江西省电力设计院有限公司 黄 晶
由于信息技术的不断发展，我国的电力行业也加快了信息化建设，网络集约化的管控力度在逐步增强，大数据、物联网、云计算、智能电网等技术的应用也越来越广泛，而随着信息化技术的逐渐深入，有关网络的通信需求也快速提高。网络通信作为实现电力信息化非常关键的通路，其使用的需求是否能得到满足与其建设水平存在较大关联，所以需针对通信网络开展合理的带宽需求预测，以更好地开展信息系统建设。
自网络信息技术出现以来，利用因特网对信息进行传输的数量增长速度非常快，对数据信息量进行预测，现阶段较常使用的方法是线性预测法。如，针对一些业务简单的情况可采取累加平均值的方法，也可通过一定历史时期统计数据的变化规律进行预测。在流量预估中较常使用的是业务流量累加法，实际上也是针对业务方面累加其每天的均值或是最大值，然后预估某一接口上的最大值或平均值[1]。
然而实际上，两项业务一天中的流量分布状况可能存在差异，所以使用这种方法进行预测的精准性较低。而后依照电话业务特点发展来的泊松模型预测方法，对电话网中的业务特性能较为精准的描述，且对网络流量的研究也适合，在网络的性能分析、设计、管理、维护等方面都有良好的效用，因而得到了较为广泛地使用。但对数据通信流量而言具有一定的突发性，与电话通信的平稳性存在较大差异，所以在使用方面存在一定局限性。
自回归滑动平均模型主要是对时间序列进行研究，结合滑动平均模型可用来预测市场规模和消费行为。小波分析主要是针对相关信号进行几何运算，在语音分析、信号处理及图像处理等方面进行应用。神经网络主要指的是以偏差反向传播方式为核心进行不断训练的一种多层网络，可学习和存储较多的输入输出模式映射关系，而不涉及针对有关映射开展数学表达，在现阶段得到较广泛使用。神经网络模型可基于业务建立对应的流量模型，对合理选取的函数进行激活，就可将最优方程模拟出来，同时能进行自学习和自我修正，可使偏差控制在最小范围内，因而在数据网络的流量预测方面可使用这一技术。
这一模型主要是对偏差进行反向传播的不断学习过程，其中包含信息的双向传播。在输入层中，将有关信息输入后会由相关的神经元进行接收，同时向中间层的各神经元进行传递。中间层主要是进行信息交换，这一层的设置可依照信息变化能力需求决定其结构是单层还是多层。经过中间层的传递将信息转至输出层，这样就是算法的一次正方向信息传递过程。假设最后输出的值和预先设置的不相符合时，则会针对偏差进行反方向的传递。实际的偏差信息会从输出层依照偏差梯度下降的方式对各层权值进行调整，而后进行反向传递，这就是对各层权值的一个不断调整，是这一算法模型不断训练的过程，一直到偏差降低到允许的范围内为止。BP神经网络模型主要有输入输出模型、误差计算模型、作用函数模型和自学习模型。
3.1 预测方法
对一定期间的电力通信网络带宽需求进行预测，需根据其上一期间的业务建立模型展开分析(图1)。首先，从现有的业务情况出发，针对网络能够承载的总业务开展整合工作，对其中相关业务进行类型的区分，以重要业务都能涵盖其中为基础，对业务流量应设置的收集点和区域进行确定，同时借助相应的工具对数据综合网的流量进行收集和分析。
图1 网络带宽预测流程图
收集流量特性数据后，将归入收集范围的重要业务建立模型，对于信息化系统，使用神经网络对重要业务中的单一用户流量建立模型，进行需求的预测。在其业务流量预测的假设条件下，对期间的业务范围进行整理，依照业务在最大值状态时的带宽需求情况，使系统的模型能够得到对应。根据系统中用户的具体信息，了解某一时刻的活跃用户占比。单用户流量乘活跃用户数量，得到业务系统在工作时间段的总流量。然后依照建立的业务模型，依照其路径对各数据网的带宽需求进行预测[2]。
3.2 限制和假设条件
假定其中业务系统中的用户在浏览方面的模式和业务工作都不会出现变化，这样就能对单用户流量分布状况和活跃用户分布状况有大概的掌握。另外，假定有新增的业务系统，可给出平均流量值或和现有某一系统在架构、业务内容、用户群体等方面具有较高的相似度。有关业务量的增长，由于计划业务信息系统会提供更加丰富的业务应用，预估业务量会有较大的增长幅度，如按照30%的增长量，在不断发展的过程中也会出现新系统，假定这一期间新建立5个业务系统且用户散落分布，结合对现有数据的测算，系统活跃用户的比例在0.5～0.6%范围内，假定按照0.6%计算而特殊业务的活跃用户占比10%，带宽需求分析需对电力企业信息系统网络访问业务、FTP、语音视频等进行全面考虑。
3.3 建立业务带宽需求模型
3.3.1 模型建立方法
通过BP神经网络对流量方程进行模拟，这个过程是不断学习和修正的过程。最后如果得出的结果和样本值偏差在预期值范围内，就能说明相关的方程可较好地体现流量情况。流量预测的步骤为：对数据进行归一化处理；
选择激活函数；
收集充足的样本值；
进行模型推导和仿真；
用新样本数据进行验证。这个过程实际上就是反复进行学习、修改，论证之后再修改的重复循环。
3.3.2 数学推导
对模型的建立主要是为预测未来一段时间的网络流量，要想达到这一目的就需在其中体现出业务的具体变化情况，所以需通过数学推导得出流量与时间、用户数量之间的关系。假设以y表示某一业务流量，x表示业务并发的用户数量，t表示一天中的某一时刻。则y=f(x)(t)，其中x=g(A)(t)，A表示业务总用户数量。依照实践经验能够得知，某一项业务的总用户数量A在一定时间内不会出现改变、所以视为常数，则业务并发用户数量x是和时间t有关的函数。根据上述公式，也就是业务流量y是和时间t有关的函数。因此对业务系统中某一接口的流量进行预测时，只需累加接口上各业务的流量。3.3.3 单系统模型
使用BP神经网络工具集设置一个两层BP网络，有关参数的内容/值如下：隐含层神经元数量/4、隐含层激活函数/对数函数、输出层激活函数/线性函数、训练次数/5000、目标偏差/0.01。对之前收集的数据需进行归一化处理，流量数据前后对比发现，流量曲线没有发生改变，不过其范围缩小到（-1,1）内，这样后续在进行计算时计算量有了很大的缩减。在完成了第3038次计算之后偏差下降到0.01，能够对应绘制出函数曲线，从曲线图中能够了解业务在一天工作时间段内的流量状况。总共选择8个经典系统建立模型，这是网络带宽需求分析的前提条件。
3.3.4 模型匹配
对指定期间内的网络带宽需求进行预测，需对这一期间业务系统的模型进行确立。然而现阶段有一些系统还没有正式上线，根据业务系统类似性假设以及现有的模型，可确定将已使用的系统模型作为未来系统的模型。有关流量模型的选择：如是已上线的系统就选择现有数据进行模型建立；
如是没有上线但和现有业务系统具有较高的匹配度，也可确定使用已经存在的模型；
如是没有上线且和现有业务系统匹配度较低的系统，需先对其涵盖区域和单一用户在最大值时的带宽信息选择出来，然后确定与其类似的模型。最后，基于预留考量的新增加的业务系统，需选择其中流量高的模型。根据模型匹配情况，选择8个目前在使用中的经典模型，并确定预测期间业务系统模型的对应关系。3.3.5 带宽需求
模型的获取是在单一用户流量模型基础上得到，同时对其承载的活跃用户数量进行充分考量，带宽需求值的计算主要是单一用户流量乘活跃用户数量。从上述分析得知，通常业务活跃用户数的占比在0.5～0.6%范围内，按照最大占比进行预测，对特殊业务活跃用户数占比10%。得到了单用户带宽需求模型和活跃用户数后，就能够对规定期间内管理信息业务系统通信网络的带宽需求进行预测。
此外，对于语音业务、视频、网络浏览流量以及FTP等也需要做好考量。有关视频语音业务，因为视频流量大小具有一定的稳定性，但业务时间具有不确定性，所以其需求值的计算主要是累加通信带宽的最大值。有关网络浏览业务，使用合理的方法确定模型之后再实施预测。有关FTP，因其中存在不定性因素影响，所以同样考虑在带宽峰值上进行累加。总之，在BP神经网络的支持下能对现网业务系统进行建模，预估一定时期内信息系统的带宽需求，同时也能充分考虑到视频语音业务、互联网访问业务及FTP业务的带宽需求。
3.4 结果分析
针对信息管理系统的流量，依照业务流量建立模型，根据流量曲线的结果，与用户数进行相乘，同时按照时间这一类别的节点进行合并，最后得到信息系统业务的带宽需求流量变化结果，需考虑50%的冗余量，进而得出各个层级的网络带宽需求，最后得到的通信网络带宽需求预测结果如表1。
表1 通信网络带宽需求预测结果
猜你喜欢 网络带宽用户数量偏差 50种认知性偏差商界评论(2022年1期)2022-04-13如何走出文章立意偏差的误区学生天地(2020年6期)2020-08-25胶片相机的维修 当胶片机出现问题了该怎么办摄影之友(2019年8期)2019-03-31如何提升高带宽用户的感知度科技传播(2017年14期)2017-08-22用户质量对平台定价策略的影响研究软科学(2017年3期)2017-03-31合理配置QoS改善校园网络环境电脑知识与技术(2016年25期)2016-11-16浅析泰州电视台超大型高清非编网建设电脑知识与技术(2016年21期)2016-10-18经典路由协议在战场环境下的仿真与评测电脑知识与技术(2016年7期)2016-05-19机械装配偏差源及其偏差传递机理研究中国新技术新产品(2014年6期)2014-03-25印媒：中国微博用户2013年减少2780万环球时报(2014-01-18)2014-01-18
