基于大数据和时间序列分析的通信网络负载均衡算法研究

摘要

通信网络负载流量中的异常值会破坏其季节性特征的平稳性，导致流量异常波动，严重影响网络正常运行．因此提出基于大数据和时间序列分析的通信网络负载均衡算法．通过多传感器采集不同时间节点下的通信网络负载流量数据，利用大数据技术进行负载流量数据融合与滤波；利用季节性差分自回归移动平均模型（Seasonal Auto Regressive Integrated Moving Average,SARIMA）组件捕捉数据的线性与季节性规律，同时结合长短期记忆网络（Long Short-Term Memory,LSTM）挖掘其长期依赖与非线性格局，采用SARIMA-LSTM构建负载预测模型，将预处理后的时间序列数据输入模型，从而实现对负载趋势的精准预测．在此基础上，通过计算网络平均带宽使用率和负载均衡因子，评估通信网络负载状态，为动态调整资源分配提供依据．实验表明：本文算法在极端情况下得到的预测结果和实际结果接近，能够准确地预测出负载的变化趋势；且随着流量负载的持续增加，网络节点的过载次数始终保持在40次以下，能够有效地保持网络节点的稳定运行，确保网络稳定运行．

关键词

大数据 / 时间序列分析 / 通信网络 / 负载均衡 / SARIMA / LSTM

基金资助

安徽省教育厅人文社科重点项目（2024AH053280）