FARIMA的网络自相似业务流模型的研究与仿真包含三个函数

资 源 简 介

FARIMA的网络自相似业务流模型的研究与仿真包含三个函数

详 情 说 明

FARIMA（分形自回归积分滑动平均）模型在网络自相似业务流研究中扮演着重要角色，它能够准确刻画网络流量中的长程依赖性特征。基于该模型的仿真通常需要三个核心函数实现：

av.m 负责业务流数据的预处理，可能包括均值归零、方差归一化等操作，为后续分析消除量纲影响。该函数确保了时间序列的平稳性，这是FARIMA建模的前提条件。

far.m 核心的FARIMA模型实现函数，通过分形差分参数d、自回归阶数p和滑动平均阶数q三个关键参数建模。其内部可能包含最大似然估计或最小二乘法来拟合参数，并利用快速傅里叶变换优化长序列计算效率。

zsrs.m 自相似业务流的合成函数，根据FARIMA模型生成的参数合成具有指定Hurst指数的流量序列。可能采用分形高斯噪声或聚合过程来体现流量在时域上的突发性与持续性。

仿真时，这三个函数形成闭环：原始数据经av.m预处理后，由far.m分析得到模型参数，最终通过zsrs.m生成仿真业务流。这种结构能有效复现真实网络的流量特性（如重尾分布、局部突发），为队列延迟、带宽规划等研究提供数据基础。