城域网出口链路VoIP通话时长的建模与预测

doi:10.3778/j.issn.1002-8331.2009.15.032

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (15): 111-114.DOI: 10.3778/j.issn.1002-8331.2009.15.032

城域网出口链路VoIP通话时长的建模与预测

陈楠楠¹,袁小坊^1,2,王东¹,谢高岗²,黄金钗¹

1.湖南大学计算机与通信学院，长沙 410082
2.中国科学院计算技术研究所下一代互联网研究中心，北京 100080

收稿日期:2008-03-26 修回日期:2008-06-02 出版日期:2009-05-21 发布日期:2009-05-21
通讯作者: 陈楠楠

VoIP talk time modeling and prediction on output link of metro area network

CHEN Nan-nan¹,YUAN Xiao-fang^1,2,WANG Dong¹,XIE Gao-gang²,HUANG Jin-chai¹

1.College of Computer and Communication，Hunan University，Changsha 410082，China
2.Institute of Computing Technology，Chinese Academy of Sciences，Beijing 100080，China

Received:2008-03-26 Revised:2008-06-02 Online:2009-05-21 Published:2009-05-21
Contact: CHEN Nan-nan

摘要/Abstract

摘要： 基于IP技术的语音分组传输（VoIP）电话业务目前被广泛部署于全国范围内的城域网。通过对某城域出口链路上实际采集的VoIP综合统计数据，针对有季节变动规律的单因素时间序列，推导建立了ARIMA（2，1，2）×（2，1，2）24季节乘积模型，并以此作为预测的基础，进行了该链路VoIP通话时长的预测。实验表明，模型的预测平均误差为8．38%。应用该模型检测将来超越阀值的可能发生时间，可以预先采取措施，保证VoIP的服务质量。

关键词: 城域网, VoIP通话时长, ARIMA季节乘积模型, 预测, 告警

Abstract: IP-based voice packet transmission（VoIP） telephone services are currently being deployed nationwide in MANs.By using VoIP comprehensive statistical data collected with NetTurbo on an ISP WAN link，this paper establishes a model of multiple seasonal autoregressive integrated moving average（ARIMA）（2，1，2）×（2，1，2） 24，and predicts the VoIP talk time on output link of this MAN.Experimentation shows that the average relative error of the model is 8.38%.And using this model to detect the possible time when the VoIP traffic is beyond the threshold，this paper can pre-take measures to ensure the QoS of VoIP.

Key words: metro area network, VoIP talk time, multiple seasonal ARIMA model, prediction, alert

陈楠楠¹,袁小坊^1,2,王东¹,谢高岗²,黄金钗¹. 城域网出口链路VoIP通话时长的建模与预测[J]. 计算机工程与应用, 2009, 45(15): 111-114.

CHEN Nan-nan¹,YUAN Xiao-fang^1,2,WANG Dong¹,XIE Gao-gang²,HUANG Jin-chai¹. VoIP talk time modeling and prediction on output link of metro area network[J]. Computer Engineering and Applications, 2009, 45(15): 111-114.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[7]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[8]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	赵红蕊，薛雷. 基于LSTM-CNN-CBAM模型的股票预测研究[J]. 计算机工程与应用, 2021, 57(3): 203-207.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[13]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[14]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[15]	顾海艳，陈亮，王多点. 基于模型预测控制的无人机时空协同航迹规划[J]. 计算机工程与应用, 2021, 57(23): 270-279.

城域网出口链路VoIP通话时长的建模与预测

VoIP talk time modeling and prediction on output link of metro area network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics