네트워크 트래픽 예측을 위한 시계열 모형의 적합성 검증

A Fitness Verification of Time Series Models for Network Traffic Predictions

  • 정상준 (경일대학교 교양학부) ;
  • 김동주 (영남대학교 컴퓨터공학과 네트워크연구실) ;
  • 권영헌 (세경대학 컴퓨터정보통신과) ;
  • 김종근 (영남대학교 컴퓨터공학과 네트워크연구실)
  • 발행 : 2004.02.01

초록

인터넷의 발달로 네트워크 트래픽은 현저하게 증가되었다. 트래픽의 폭증은 전체 네트워크의 성능에 크게 영향을 미치게 되었으며 트래픽의 관리가 망 관리의 중요한 이슈로 되었다. 본 논문에서는 네트워크 트래픽을 분석하여 효율적인 대응을 수립하기 위해 예측하는 시계열 모형의 적합성을 검증한다. 네트워크 트래픽을 예측하기 위해서는 시간적 흐름에 따라 자료간의 상관 관계를 유추하고, 이 관계를 이용하여 예측을 수행한다. 상관 관계를 유추하는 과정에서 필연적으로 확률적 오류를 포함하게 되는데, 정확한 예측을 위해서는 확률적 오차를 최소화해야 한다. 따라서, 통계학 분야에서 예측 방법으로 널리 쓰이는 시계열 모형인 AR, MA, ARMA, ARIMA 모형을 사용하여 네트워크 트래픽을 예측함과 동시에, 예측하는 과정에서 정확한 예측을 수행할 수 있는지에 대한 적합성을 검증하고자 한다. 적합성 검증은 모형 식별 단계에서 초기 단계인 정상성 가정을 만족하는지의 여부로 판단하며. 정상성 가정은 자기상관함수와 편자기상관함수를 통해 구할 수 있다. 정상성 가정을 만족하지 못하는 모형은 비정상 시계열 자료로 분류되는데 이 경우의 예측은 정확하다고 볼 수 없다. 따라서, 정확한 예측을 수행할 수 있도록 시계열 자료의 정상성 가정을 만족하도록 모형을 분류하는 방안을 제시하고자 한다. 정확한 예측을 수행하면, 네트워크 트래픽을 좀 더 나은 방법으로 관리하며, 예측 결과를 이용하여 동적인 트래픽의 관리가 가능하게 된다.

With a rapid growth in the Internet technology, the network traffic is increasing swiftly. As for the increase of traffic, it had a large influence on performance of a total network. Therefore, a traffic management became an important issue of network management. In this paper, we study a forecast plan of network traffic in order to analyze network traffic and to establish efficient correspondence. We use time series forecast models and determine fitness whether the model can forecast network traffic exactly. In order to predict a model, AR, MA, ARMA, and ARIMA must be applied. The suitable model can be found that can express the nature of traffic for the forecast among these models. We determines whether it is satisfied with stationary in the assumption step of the model. The stationary can get the results by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). If the result of this function cannot satisfy then the forecast model is unsuitable. Therefore, we are going to get the correct model that is to satisfy stationary assumption. So, we proposes a way to classify in order to get time series materials to satisfy stationary. The correct prediction method is managed traffic of a network with a way to be better than now. It is possible to manage traffic dynamically if it can be used.

키워드

참고문헌

  1. IEEE International Conference on Communications Traffic Prediction Using FARIMA Models Yantai Shu;Zhigang Jin;Lianfang Zhang;Lei Wang
  2. 한국정보처리학회 논문지 v.6 no.9 시계열 분석을 이용한 SNMP MIB-Ⅱ 기반의 회선 이용률 예측 기법 홍원택;안성진;정진욱
  3. 한국정보처리학회 논문지 v.5 no.8 SNMP MIB-Ⅱ 를 이용한 인터네트 분석 파라미터계산 알고리즘에 관한 연구 안성진;정진욱
  4. 한국정보처리학회 논문지 v.6 no.2 실시간 네트워크 관리를 위한 SNMP 확장에 관한 연구 김동수;정태명
  5. 한국정보과학회 논문지 v.25 no.1 효율적인 통신망 설계를 위한 예측 시스템 설계 이강원;김태윤
  6. 예측방법의 이해 이덕기
  7. SPSS를 활용한 시계열 자료와 단순화 분석 정동빈;원태연
  8. SAS/ETS를 이용한 시계열 분석과 그 응용 최기헌;이종협
  9. SNMP, SNMPv2, SNMPv3, and RMON 1 and 2 William Stallings
  10. Managing Internetworks SNM Mark A. Miller
  11. IEEE International Conference on Communications An Agent-Manager Scheme P, M&T books, 1998. for the Integrated Transfort Network Management Kyung Hyu Lee
  12. Telecommunication Review v.11 no.6 Ethernet 트래픽의 장기간 의존성 및 Self-Similiar 트래픽 소스 모델링에 관한 연구 김동일;김창호
  13. Self-similar Traffic Modeling for Highspeed Networks Wilinger,W.;Wilson,D.;Taqqu,M.
  14. 추계한국해양통신학회 Proc. 실시간 운영중인 네트웍의 트래픽 특성과 성능 분석에 관한 연구 김창호;김동일(외)
  15. 춘계해양정보통신학회 Proc. 데이터 트래픽에서의 Self-similar 특성 김창호;김동일(외)
  16. 한국멀티미디어학회 춘계학술발표대회 논문집 실시간 망 관리를 위한 패킷 분석 시스템의 설계 및 구현 정상준;권영헌;최혁수;이정협;김종근
  17. 한국정보처리학회 추계학술발표대회 논문집 시계열 분석을 이용한 실시간 네트워크 트래픽 예측 시스템의 설계 정상준;권영헌;최혁수;김종근
  18. 한국정보처리학회 춘계학술발표대회 논문집 실시간 네트워크 트래픽의 예측을 이용한 성능관리 시스템 연구 정상준;최혁수;권영헌;임인택;권은영;김종근