[論文レビュー] Network traffic prediction based on ARFIMA model

Dingding Zhou, Songling Chen+1 more|arXiv (Cornell University)|Feb 26, 2013

Traffic Prediction and Management Techniques参考文献 11被引用数 14

ひとこと要約

本稿では、CERNETバックボーントラフィックにおける長記憶特性を捉えるために、従来のARMAを拡張したARFIMAベースのモデルを提案する。この手法は、ARMAに比べて予測精度が著しく向上し、サンプリング変動に対しても高いロバスト性を示す。実世界のトラフィックデータにおいて優れた性能を発揮している。

ABSTRACT

ARFIMA is a time series forecasting model, which is an improved ARMA model, the ARFIMA model proposed in this article is demonstrated and deduced in detail. combined with network traffic of CERNET backbone and the ARFIMA model,the result shows that,compare to the ARMA model, the prediction efficiency and accuracy has increased significantly, and not susceptible to sampling.

研究の動機と目的

• ネットワークトラフィックにおける長距離自己相関を捉えることに失敗する従来のARMAモデルの限界を解決すること。
• 自己相似性および長記憶特性をモデル化することで、ネットワークトラフィックの予測精度を向上させること。
• さまざまなサンプリングレート下での提案モデルのロバスト性を評価すること。
• ARFIMAが実世界のバックボーンネットワーク環境において実用的に有効であることを示すこと。
• トラフィック予測に向けたARFIMAモデルの理論的導出と実証的検証を詳細に行うこと。

提案手法

• ネットワークトラフィック時系列における長記憶プロセスを捉えるために、ARFIMA（自己回帰分数統合移動平均）モデルを採用する。
• 長距離自己相関をモデル化するため、標準的なARMAフレームワークに分数差分パラメータdを導入して拡張する。
• CERNETバックボーントラフィックトレース上で、最尤推定法やその他の統計的フィッティング手法を用いてモデルパラメータを推定する。
• ARMAベンチマークと比較して、平均二乗誤差（MSE）や平均絶対誤差（MAE）などの指標を用いてモデルの性能を検証する。
• 完全なデータとダウンサンプリングされたデータの両方に対してモデルを適用し、サンプリング変動に対するロバスト性を評価する。
• 実世界のCERNETバックボーントラフィックデータを用いて、実際のネットワーク環境下でモデルをキャリブレーションおよびテストする。

実験結果

リサーチクエスチョン

• RQ1 ARFIMAは、実際のネットワークトラフィックデータにおける長記憶特性を効果的にモデル化できるか？
• RQ2 長距離自己相関が存在する状況下で、ARFIMAの予測精度はARMAに比べてどの程度優れているか？
• RQ3 ARFIMAモデルは、サンプリング周波数の変化に対してどの程度ロバストか？
• RQ4 分数統合パラメータdは、モデルのフィットと予測力の向上に顕著に寄与するか？
• RQ5 ARFIMAの実証的性能は、実際のバックボーンネットワークトラフィックトレースにおいてどのように現れるか？

主な発見

• ARFIMAモデルは、CERNETバックボーントラフィックにおいて、標準的なARMAモデルに比べて著しく高い予測精度を示した。
• モデルは、サンプリングレートが低下しても高い予測性能を維持しており、データのサンプリング変動に対する強いロバスト性を示している。
• 分数差分パラメータdは、ネットワークトラフィックにおける長距離自己相関を効果的に捉えており、モデルの理論的基盤の妥当性を裏付けている。
• 実証的結果から、ARFIMAはARMAに比べてMSEやMAEなどの予測誤差指標を低減することが明らかになった。
• モデルが自己相似トラフィックパターンを適切に扱えることから、長期的なネットワークトラフィック予測に適しているとされる。
• 本研究は、ARFIMAが実世界のバックボーンネットワークにおけるネットワークトラフィック予測のための実用的で効果的な代替手法であることを確認した。