杜潔

(云南電網(wǎng)公司信息中心，昆明 650217)

基于神經(jīng)網(wǎng)絡的帶寬需求分析預測

杜潔

(云南電網(wǎng)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(tǒng)的流量數(shù)據(jù)預測 “十三五”期間電力數(shù)據(jù)通信網(wǎng)絡帶寬需求的方法，該方法基于BP神經(jīng)網(wǎng)絡對管理信息化業(yè)務系統(tǒng)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(shù)據(jù)網(wǎng)絡的帶寬需求，為未來通信網(wǎng)絡的建設提供參考。

BP神經(jīng)網(wǎng)絡；帶寬需求；業(yè)務流量模型

0 前言

隨著電力行業(yè)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(lián)網(wǎng)、智能電網(wǎng)、大數(shù)據(jù)、商業(yè)智能等先進技術發(fā)展及日趨廣泛應用，如何有效預測信息系統(tǒng)的帶寬需求，進而開展數(shù)據(jù)通信網(wǎng)絡的建設是當前必須系統(tǒng)安排的問題。

1 網(wǎng)絡帶寬預測技術

1.1 網(wǎng)絡帶寬預測模型技術分析

通過Internet傳輸?shù)男畔⒘空诓粩嗟爻尸F(xiàn)出以指數(shù)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(yè)務的平均值、最大值累加，也有基于過去很長一段時間的統(tǒng)計趨勢預測。業(yè)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(yè)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(yè)務在一天中的流量分布情況和另一業(yè)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(jù)電話業(yè)務的特征提出來的，可以較為準確的描述電話網(wǎng)中業(yè)務特性并得到廣泛應用，同時該模型也用于研究網(wǎng)絡流量，在網(wǎng)絡的設計、維護、管理和性能分析等方面發(fā)揮了很大作用，但數(shù)據(jù)通信流量的突發(fā)性并不像語音通信那樣平滑，因此泊松模型不適合用于數(shù)據(jù)網(wǎng)絡流量分析。業(yè)務流量累加的技術采用各業(yè)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(wǎng)絡建設和投資。Poisson模型則更多用于傳統(tǒng)的電話交換網(wǎng)，不適用于流量評估預測中。ARIMA等自相似模型基于統(tǒng)計規(guī)律，采用歷史值預估未來值，是網(wǎng)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(yè)務的發(fā)展對網(wǎng)絡流量造成的影響。

BP神經(jīng)網(wǎng)絡模型首先可以根據(jù)業(yè)務，建立每個業(yè)務的流量模型；其次，只要激活函數(shù)選取合理，就能模擬出最優(yōu)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(jīng)網(wǎng)絡適用于對數(shù)據(jù)網(wǎng)絡的網(wǎng)絡流量預測研究中。

1.2 BP神經(jīng)網(wǎng)絡模型

BP(Back Propagation)神經(jīng)網(wǎng)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(jīng)元負責接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負責信息變換，根據(jù)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(jīng)元的信息，經(jīng)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(diào)整的過程，也是神經(jīng)網(wǎng)絡學習訓練的過程，此過程一直進行到網(wǎng)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(shù)為止。

BP神經(jīng)網(wǎng)絡模型BP網(wǎng)絡模型包括其輸入輸出模型、作用函數(shù)模型、誤差計算模型和自學習模型。

1.2.1 節(jié)點輸出模型

f-非線性作用函數(shù)；q-神經(jīng)單元閾值。

1.2.2 作用函數(shù)模型

作用函數(shù)是反映下層輸入對上層節(jié)點刺激脈沖強度的函數(shù)又稱刺激函數(shù)，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(jīng)網(wǎng)絡期望輸出與計算輸出之間誤差大小的函數(shù)：

tpi-i節(jié)點的期望輸出值；Opi-i節(jié)點計算輸出值。

1.2.4 自學習模型

神經(jīng)網(wǎng)絡的學習過程，即連接下層節(jié)點和上層節(jié)點之間的權重矩陣Wij的設定和誤差修正過程。BP網(wǎng)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(jié)點i的計算誤差；Oj-輸出節(jié)點j的計算輸出；a-動量因子。

2 通信網(wǎng)絡帶寬需求預測分析

2.1 預測方法

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

圖1 網(wǎng)絡帶寬預測方法

首先，根據(jù)業(yè)務的特性，對綜合數(shù)據(jù)網(wǎng)所承載的業(yè)務進行分類分析，經(jīng)過對現(xiàn)有綜合數(shù)據(jù)網(wǎng)承載的業(yè)務進行分析和梳理。在明確業(yè)務類型的基礎上，以盡量覆蓋重要業(yè)務為原則，選取現(xiàn)網(wǎng)中的業(yè)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(shù)據(jù)網(wǎng)流量進行采集和分析?；诓杉降牧髁刻卣鲾?shù)據(jù)，分別針對納入采集范圍的重要業(yè)務進行建模分析，重點針對管理信息化業(yè)務系統(tǒng)，利用BP神經(jīng)網(wǎng)絡模型對關鍵業(yè)務系統(tǒng)的單用戶帶寬流量需求進行建模?；?“十三五”業(yè)務流量估算的假設，梳理“十三五”期間業(yè)務的范圍；根據(jù)具體業(yè)務在峰值帶寬需求等方面的特征，將業(yè)務系統(tǒng)與現(xiàn)網(wǎng)業(yè)務系統(tǒng)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(yè)務系統(tǒng)的用戶情況，提出某一時刻內(nèi)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(shù)相乘，可以得到業(yè)務系統(tǒng)在工作時段內(nèi)的總體流量情況。根據(jù)已建立的各業(yè)務的模型，分別按業(yè)務流經(jīng)的路徑，對綜合數(shù)據(jù)網(wǎng)主干網(wǎng)、省級綜合數(shù)據(jù)網(wǎng)以及地區(qū)綜合數(shù)據(jù)網(wǎng)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(yè)務應用系統(tǒng)的用戶訪問習慣和業(yè)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(yè)務系統(tǒng)能給出平均流量值或與現(xiàn)有某系統(tǒng)非常相似，如用戶群體相同、架構相近、業(yè)務內(nèi)容基本相同等。

3)在業(yè)務量的增長方面， “十三五”期間，原有的企業(yè)信息系統(tǒng)將會根據(jù)業(yè)務的發(fā)展需求，提供更豐富的業(yè)務應用，例如是營銷管理系統(tǒng)，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(yè)務，預計業(yè)務量將大幅增長，假設業(yè)務的增長量為30%。此外，隨著業(yè)務的進一步發(fā)展，可能會涌現(xiàn)出新的業(yè)務系統(tǒng)，假設在“十三五”期間，公司將新建五個業(yè)務系統(tǒng)，用戶覆蓋網(wǎng)省地市等分子公司。

4)在系統(tǒng)的部署模式方面，假設 “十三五”期間，將實現(xiàn)集團化部署。

5)根據(jù)現(xiàn)有數(shù)據(jù)測算，系統(tǒng)的活躍用戶數(shù)一般為0.5%～0.6%，按0.6%進行估算，特殊業(yè)務 (OA和營銷)活躍用戶比例達到10%。

6)網(wǎng)絡帶寬需求分析應考慮企業(yè)信息化系統(tǒng)對網(wǎng)絡帶寬的需求、互聯(lián)網(wǎng)訪問業(yè)務、語音視頻、FTP等業(yè)務。

2.3 業(yè)務帶寬需求建模

2.3.1 建模方法

本次分析采用BP神經(jīng)網(wǎng)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(yè)務系統(tǒng)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(zhì)量和BP網(wǎng)絡的設計參數(shù)，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(diào)整BP網(wǎng)絡的設計參數(shù)。

2.3.2 模型數(shù)學推導

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

設y為某業(yè)務的流量，x為業(yè)務的并發(fā)用戶數(shù)，t為一天中的某時刻。

而并發(fā)用戶數(shù)x是一個和總用戶數(shù)及時間相關的函數(shù)：

其中A是業(yè)務的總用戶數(shù)

經(jīng)驗可知，某業(yè)務的總用戶數(shù)A在一定時間內(nèi)是不會變化的，所以A是一個常數(shù)。因此x是一個只和時間t相關的函數(shù)。

綜上，業(yè)務的流量y是一個和時間相關的函數(shù)：

所以我們整個運用BP網(wǎng)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(yè)務的流量累加，即：

2.3.4 單系統(tǒng)模型

用MATLAB的BP神經(jīng)網(wǎng)絡工具集設計一個二層的BP網(wǎng)絡，以某系統(tǒng)的流量估算為例，首先將前期采集的數(shù)據(jù)進行歸一化處理。

圖3 歸一化處理前后數(shù)據(jù)

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

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

圖4 流量模型與原流量對比

有了這些權值參數(shù)后，就可以根據(jù)前面選取的激活函數(shù)推出代表此流量的方程：

其中，

選取了8個典型系統(tǒng)進行建模，這些模型為網(wǎng)絡帶寬需求分析的基礎。

2.3.5 模型匹配及網(wǎng)絡帶寬需求

1)已上線的系統(tǒng)采用現(xiàn)有數(shù)據(jù)建模。

2)未上線且與現(xiàn)有業(yè)務高度匹配的系統(tǒng)，采用現(xiàn)有系統(tǒng)的模型。

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

4)對于預留考慮的新增業(yè)務系統(tǒng)，使用現(xiàn)有業(yè)務系統(tǒng)中流量較高的模型進行預估。

選取得到的模型是基于業(yè)務的單用戶流量模型，在此基礎上，需要考慮網(wǎng)絡所承載的活躍用戶數(shù)，通過單用戶的流量與活躍用戶數(shù)相乘得到該業(yè)務系統(tǒng)的網(wǎng)絡帶寬需求。根據(jù)對現(xiàn)網(wǎng)業(yè)務數(shù)據(jù)的分析發(fā)現(xiàn)，一般業(yè)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(yè)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(shù)量后，可以預測出管理信息化業(yè)務在 “十三五”期間對是通信網(wǎng)絡帶寬的需求。

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

綜上，通過利用BP網(wǎng)絡對現(xiàn)網(wǎng)業(yè)務系統(tǒng)建模，預測出 “十三五”期間管理信息化業(yè)務對帶寬的需求，同時考慮互聯(lián)網(wǎng)訪問業(yè)務、FTP業(yè)務和視頻語音業(yè)務的帶寬需求。

3 分析結果

對于管理信息化的流量，根據(jù)業(yè)務流量建模，將流量曲線乘以用戶數(shù)，并按時間節(jié)點進行合并，即可得到管理信息化業(yè)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(wǎng)絡帶寬需求如下所示：

圖5 主干綜合數(shù)據(jù)網(wǎng)管理信息化流量模型

根據(jù)以上通信網(wǎng)絡帶寬需求分析，可以預測出網(wǎng)-省-地-縣-所四級綜合數(shù)據(jù)網(wǎng)的網(wǎng)絡通信帶寬需求。

4 結束語

本文通過對電網(wǎng)業(yè)務系統(tǒng)進行分析，應用神經(jīng)網(wǎng)絡模型對業(yè)務帶寬需求進行建模，在此基礎，估算出 “十三五”期間綜合數(shù)據(jù)網(wǎng)的帶寬需求，為 “十三五”期間總和數(shù)據(jù)網(wǎng)的建設提供參考。

[1] 李小航.網(wǎng)絡業(yè)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(jīng)網(wǎng)絡理論與應用 [M].清華大學出版社.

[7] 張立明.人工神經(jīng)網(wǎng)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(wǎng)公司信息中心，主要從事電力信息化的規(guī)劃建設 (e-mail)dujie1430＠sina.com。