流量均衡

流量均衡（精选4篇）

流量均衡 篇1

长期共存下的四网不平衡是一种动态的局面, 谁都无法准确预测现在的不平平衡衡局局面面在在未未来来会会发发生生什什么么样样的的变变化化。。

随着移动互联网的发展和智能终端的普及, 近年来运营商网络上承载的数据业务流量飞速发展, 对中国移动来说, 其数据业务的收入占比也是逐年提高。四网协同指的是以TD-LTE技术为主导, 中国移动的2G/3G/WLAN/4G四网协同的技术。其中2G网络承载语音和小流量数据业务;3G网络承载手机数据业务, 分流2G数据流量;WLAN网络承载PC和手机的数据流量, 延伸3G网络覆盖;4G网络承载未来大流量业务。

长期共存下的四网不平衡是一种动态的局面, 谁都无法准确预测现在的不平衡局面在未来会发生什么样的变化。有鉴于此, 基于流量的四网协同分析系统是在“数据流量的爆炸式增长之势已不可逆转, GSM网络超负荷, 而TD和WLAN目前业务量较少”的背景下, 以小区、场景、网格、终端四个维度为视角, 对2G、3G、LTE和WLAN四网流量及用户行为进行分析, 四网协同发展、提高客户感知的目的, 结合具体的分析方法进行业务成分分析, 给出对网络分流、用户分流更加精准的指导性意见。

四网协同系统概述

基于流量分析的四网协同系统主要是根据不同蜂窝类型2G/3G/4G小区的地理位置、流量分析并确定其协同点和覆盖盲点, 为网络优化、建设规划、市场营销提供基础数据支撑。分析的数据指标包括2G小区RLC流量、2G小区无线利用率、TD分组域业务流量、WLAN热点流量、4G小区吞吐量, 并为网络优化、建设规划、营销提供了基础数据支撑。

2G小区价值与负荷分析能力:通过对2G小区流量以及无线利用率等指标进行综合分析, 确定小区价值和负荷等级, 及时发现高流量、高负荷小区并通过GIS地图进行直观呈现, 为小区扩容、减容规划提供基础的数据支撑。

四网协同点分析和管理能力:通过锁定2G热点小区, 分析其TD/WLAN/4G协同点, 并且具备人工对分析结果的纠偏能力, 可实现GIS地图与2G热点小区进行叠加分析, 为网络优化管理人员进行网络分流配置、市场人员进行营销提供参考数据。

协同盲点发现能力:通过锁定2G/3G/4G热点小区, 分析是否存在TD/WLAN/4G覆盖盲区, 并采用GIS地图进行地理化定位, 为TD/WLAN/4G补点建设规划提供依据。

方案实现

系统架构采用三层结构方式进行建设, 即数据采集层、数据处理层和应用展现层, 如图1所示。

数据采集层所采集内容包括四网协同涉及到的资源数据、话单、性能、信令数据、网优平台、经分数据等;提供数据采集任务配置和调度, 从数据源采集相应数据, 进行初步预处理汇聚。

数据处理层通过对资源数据、话单、性能数据等进行汇聚处理, 为上层应用提供数据支撑。

应用展现层从工程建设、健康度评估、分析概览等方面为四网协同提供策略支撑, 具有画像透视、自定义分析流程等强大支撑能力。

具体应用

GIS协同:实际工作中通常需要通过地图协同方式呈现建设协同、自定义场景、专题场景、网络覆盖图情况等几方面的能力。因此, 针对此类需求制作了GIS协同模块进行可视化的能力支撑。GIS作为整个分析系统的一个补充, 从地理视图的视角查看现在2G/3G/WLAN资源、4G覆盖、指标等的分布或渲染情况以及各类资源之间的关联关系, 也可以通过GIS平台呈现2G高流量小区、2G用户、3G用户、4G用户以及各类分析结论分布情况。通过色度原理的四网协同智能分析, 直观明确展现全网及局部网络的覆盖、业务分布情况, 以便让使用人员直观的了解、评估分析结论。

实现GIS协同建设:建设协同通过选址时间粒度、指标类别及关注的区域等条件, 展示出辅助参考建设TD基站及WLAN热点的资源数据。从地理视图的视角来查看现网2G/3G/WLAN/4G资源的分布情况以及各类资源之间的关联关系, 同时也可以通过GIS平台呈现2G高流量小区、2G用户、3G用户、4G用户各类分析结论分布情况, 以便让使用人员直观的了解、评估分析结论。

结束语

基于分析的四网协同系统实现精确建设规划、精准建设选址, 能够为2G网络分流降负, 并使得4G网络建设快人一步;面向四网健康均衡, 体现协同优化能力, 立足当前网络承载能力, 结合用户流量特征, 精细优化TD小区/WLAN网络, 从四网协同发展角度, 使得2G/3G/WLAN/4G网络能够保“2”进“4”;根据当前网络现状, 精确营销解决方案, 通过多维度用户特征梳理, 针对特定用户群体, 结合当前网络现状, 提升特定用户的营销解决方案和终端精准投放能力。

流量均衡 篇2

自动交换光网络(Automatic Switched Optical Network,ASON)是传送网发展的趋势,而路由技术是整个ASON的核心技术之一,也是ASON标准化工作的重点和难点。好的路由和波长分配算法不仅可以提高网络资源的利用率、降低网络建设和运营维护成本,还可以降低网络管理的难度、保证不同业务的通信质量。波分复用光网络中传统静态路由算法阻塞率较高,本文在Dijkstra算法的基础上,提出了基于流量均衡的静态路由算法来提高网络资源的利用率。

1 路由和波长分配算法简介

路由和波长分配(Routing and Wavelength Assignment,RWA)问题是在一组全光连接请求条件下,寻找源节点到目的节点的路由和给这些路由分配波长的问题[1]。研究RWA问题的目的是尽可能减少所需要的波长数和降低光路连接请求的阻塞率。

针对不同的业务和连接请求方式,RWA问题可分为动态RWA问题和静态RWA问题[2]。

波分复用(Wavelength Division Multiplexing,WDM)全光网中RWA问题是一个NP[3]完备问题,因此一般采用启发式算法进行求解。为了简化问题的研究,通常把路由和波长分配问题分解成两个子问题[2],分别加以研究解决。路由子问题:为业务选择一条路由,也就是选择业务经过的光节点和光纤链路;波长分配子问题:在所选定的路由经过的光纤链路上为业务分配波长。

静态RWA路由算法,一般文献中都采用最短路由算法,也有k最短路由算法以及重路由算法;对于波长分配,则有随机波长分配法、长路优先算法、首次命中(First-Fit)算法等。

动态RWA路由算法最常用的是Dijkstra算法[4],波长分配算法与静态RWA算法中类似,也有随机分配、首次命中等[5,6]。

本文基于Dijkstra算法的静态路由算法,即网络拓扑和业务需求矩阵给定的条件下,通过调用Dijkstra算法寻找网络中的最短路径,然后对比流量均衡前后网络性能的变化。

2 基于流量均衡路由算法的实现

2.1 静态路由算法实现

算法采用多次循环的思想,对于一个随机数生成需求矩阵,每次循环遍历所有n×n个节点对,每个节点对间只为一个需求调用Dijkstra算法分配一条路由,不能找到最短路径则阻塞该节点其他需求并标示该节点处理完毕,找到最短路径则更新路径。如此多次循环,直到所有节点对间的所有需求处理完。每次的循环流程图如图1所示。

2.2 基于流量均衡的路由算法实现

流量均衡的思想是通过动态改变网络链路的权重,均衡流量在网络上的分布达到优化网络的目的。均衡前:判断Dijkstra算法找到的最短路径中的各链路,流量不大于最大流量的链路,邻接矩阵的权值不变;均衡后,把Dijkstra算法找到的最短路径上各链路,流量不大于最大流量的链路,邻接矩阵的权重均增大,即该链路上的“费用”增多,下次Dijkstra算法寻找路径时不重复使用同一条链路,达到各链路流量均衡的目的。

3 计算机仿真

仿真网络我们选择泛欧模型Cost239,如图2所示。

3.1 仿真假设

为了建立在波长资源约束条件下的路由分配仿真模型,我们作如下假设:

1)网络中每条光纤可使用的波长数相同且具有相同的光特性。当设置的固定的波长资源耗尽时,即判定该路经断开;

2)任意两个节点之间的通信都只占用一个波长信道;

3)网络中有波长转换机制,即任意两个节点之间的连接可以用不同的波长建立,寻找路由时,只需找到最短路径即可;

4)光网络中的每个波长通道的信号都具有方向性,每个节点对之间都有双向的业务连接,而每个光缆链路包含两个单向光纤。

基于以上假设,把网络拓扑图抽象成为无向图,节点代表路由器,边代表光纤。

3.2 仿真参数

1)网络的阻塞率:在一定的业务负载下被阻塞掉的业务请求总数与网络的业务连接请求总数之比;

2)网络的资源利用率:相应的定义为网络为了满足业务流矩阵的需求而消耗的波长信道数与网络所能提供的最大波长信道数之比。

3.3 仿真模型流程

1)初始化。把实际的拓扑结构图抽象为数学模型,用邻接矩阵A=[aij]n×n表现;

2)随机数产生100个需求矩阵,随机数需求矩阵的平均需求数可设置,需求矩阵是对称矩阵。

3)均衡前,每个需求矩阵调用一次路由算法,100个随机数需求矩阵求出平均阻塞率、平均资源利用率。

4)在流量均衡的条件下,生成100个随机数矩阵,求出平均阻塞率、平均资源利用率。

5)均衡前后的各参数进行计算机绘图,并对结果进行分析。

3.4 仿真结果及分析

用MATLAB6.5绘出均衡前后平均阻塞率、平均资源利用率分别与平均需求的关系曲线图(Cost239网络中最大流量设置为32、随机数的取值范围0~15)。

1)均衡前后网络阻塞率如图3所示:

由曲线图可看出:(1)在网络容量一定的情况下,均衡前后随着平均需求增加,即业务量的增加,阻塞率单调上升,这是因为业务总量增加,网络容量不变,阻塞需求越多,阻塞率越大;(2)随着平均需求的继续增加,均衡前后阻塞率曲线上升平缓,二者有趋向一致的趋势;(3)由均衡前后图对比看出:均衡后的阻塞率曲线总在均衡前曲线下方,即阻塞率较小,网络性能得到优化,这是符合理论推理的,因为均衡后避免了局部链路阻塞,降低了阻塞率,优化了网络性能。

2)均衡前后网络资源录用率如图4所示:

由曲线图可看出:(1)在网络容量一定的情况下,均衡前后随着平均需求的增加,资源利用率曲线均单调上升,这是因为需求总数增加,找到的最短路径数越多,利用的资源越多,资源利用率越高;(2)由均衡前后图对比看出:在平均需求比较小时,均衡前的资源利用率大于均衡后;当平均需求比较大时,均衡后资源利用率明显大于均衡前。这是因为平均需求比较小时,均衡后在需求基本满足的基础上均衡了各链路上的流量,利用资源总数相比均衡前减小,资源利用率减小;平均需求比较大时,均衡后避免了局部阻塞,阻塞率下降,利用资源总数相比均衡前增加,所以资源利用率增加。

4 结论

本文在Dijkstra算法的基础上,实现了基于流量均衡的路由算法,通过仿真得到结论,对于Cost239网络,在相同的约束条件下,流量均衡后网络的阻塞率减小、资源利用率提高,这说明基于流量均衡的算法可以使网络的通信性能提高。

参考文献

[1]Al Sukhni,E.M.;Mouftah,H.T..Integrated Routing and Wa-velength Assignment and signaling in shared protection frame-work for survivable WDM optical mesh networks[C].Communications,200824th Biennial Symposium.2008:103-106.

[2]华剑浩,乐孜纯.波长路由光网络中路由问题研究[D].浙江工业大学,2007:4-6.

[3]C.S.R.Murthy and M.Gurusamy“,WDM Optical Networks:concepts,design,and algorithms,”Prentice Hall PTR,2002.

[4]黄铁瑛,王辉.智能光网络的路由技术[J].通信技术.2008,41(12):195-197.

[5]Xiaowen Chu,Bo Li.Dynamic routing and wavelength assign-ment in the presence of wavelength conversion for all-optical networks[J].Networking,IEEE/ACM Transactions.13(3),2005:704-715.

流量均衡 篇3

1 OCTEON多核处理器简介

Cavium Networks推出的OCTEON多核处理器系列拥有并行处理能力强、功耗小、易扩展、吞吐量大等优点,并且带有内置的硬件加速器,大幅提升了应用上的性能、负载平衡以及同步处理。Cavium Networks提供了软件开发套件(SDK)。该SDK包括了GNU C/C++编译器和其它开发工具、C语言的APIs、一个简单的执行器,它可以在没有任何操作系统下执行代码、以及Cavium Networks SMP Linux。Cavium Networks还提供可选配的软件组合以支持更复杂的功能。

2一种普通的软件负载均衡算法

在流量的负载均衡中,要求对数据包的五元组(SIP,DIP,SPORT,DPORT,PROTOCOL)进行解析,同一条流的数据包,要求输出到同一个端口,下面是一种普通的纯软件负载均衡算法,如图1所示。

3基于OCTEON多核处理器的软硬件结合的负载均衡改进算法

利用OCTEON提供的SDK中对寄存器操作的函数来计算HASH值,通过直接操作寄存器来计算HASH值,算法的性能会得到很大的提升。并且算法可以满足数据流同源同宿的需求,即同一条数据流的包保证计算出的HASH值相同,从一个端口输出,如图2所示。

4两种算法的结果比较

4.1算法时间比较

系统参数:SIP=192.168.6.32,DIP=10.6.100.18,SPORT=1200,DPORT=80,运算时间分别为239.21μs(普通算法)和60.72μs(改进算法)。

4.2负载均衡度比较

发IP递增10000次的循环流10000000个数据包,负载均衡从四个端口输出,每个端口输出数据包个数,如表1所示。从算法的时间和负载均衡度两个方面的结果来看,改进算法在时间上的优势明显要高于普通算法,而负载均衡度两者相差不大。

5结束语

通过对比在OCTEON平台上的软硬结合的数据流量均衡控制算法与传统的纯软件算法,在相同负载均衡度下,软硬结合的数据流量均衡控制算法运算量更小、运算时间更短,具有更好的应用价值。

摘要：随着移动互联网的飞速发展,数据业务需求猛增,流量急剧增加,移动运营商对网络流量监控的性能要求越来越高,在流量监控的数据输出过程中如何选择合适的算法进行负载均衡也将影响到流量监控的性能。本文主要在基于OCTEON的多核平台上采用了一种软硬件结合的负载均衡改进算法,并与传统的纯软件算法的进行了比较。

关键词：OCTEON,流量监控,负载均衡

参考文献

[1]田泉.基于Cavium多核处理平台的流量控制网关设计与实现[D].北京:北京邮电大学,2008.

流量均衡 篇4

西气东输工程是我国进行天然气开发和运输的战略性工程,通过西气东输管道工程,实现对天然气由我国西部地区向东部地区的运输和调度。西气东输的管线网络全线采用自动化控制,供气范围覆盖中原、华东、长江三角洲地区。自新疆塔里木轮南油气田,向东经过库尔勒、吐鲁番、鄯善、张掖、武威、西安、洛阳、信阳、合肥、南京、常州等地区,这一项目的实施,为西部大开发、将西部地区的资源优势变为经济优势创造了条件。西气东输管线采取干支结合、配套建设方式进行,管道输气规模设计为每年120亿立方米。西气东输沿线通过分布在各地的压气站实现输送流量的压气和调度,通过对天然气管线输送流量进行优化均衡调度设计,实现对天然气管线运行工况的准确监测,研究天然气管线输送流量的均衡调度模型,在优化西气东输管道工程的工况和天然气传输的效率中具有重要意义,相关的算法和模型设计研究受到人们的极大重视[1]。

传统方法中,对天然气管线输送流量的调度方法主要有基于ARMA模型的流量预测算法、基于粒子群算法的天然气流量的调度算法和基于模糊C均值聚类的流量预测和均衡调度算法等[2,3],上述方法对天然气管线输送网络天然气流量的准确调度的本质是进行流量时间序列的特征分析和模型构建,采用现代的信号与信息处理方法进行流量信息的特征提取,实现天然气流量调度,由此取得了一定的研究成果,其中,文献[4]提出一种基于最大Lyapunov指数分离的天然气管线输送流量调度方法,通过最大Lyapunove预测方法进行流量预测,实现对西气东输天然气管线的输送流量工况的准确监测,但是该算法计算开销较大,实时监测性能不好。文献[5]采用线性时间序列Wolf一步预测方法进行天然气管线输送流量调度,而未能有效挖掘天然气管线输送网络中天然气流量的非线性特征,导致调度的准确性不好。

针对上述问题,本文提出一种基于定量递归分析的天然气管线输送流量均衡调度方法。首先构建了天然气管线的网络配置结构模型,进行输送流量序列的信号模型构建和非线性时间序列分析,对天然气流量进行相空间重构,在高维相空间中进行递归图构建,实现对天然气管线输送流量的定量递归分析,达到流量准确预测和均衡调度的目的,实现算法改进。最后通过仿真实验进行性能测试,得出有效性结论。

1 天然气管线的网络配置结构模型和天然气输送流量的时间序列分析

1.1 天然气管线的网络配置结构模型

为了实现对天然气管线输送网络的天然气流量均衡调度,需要首先分析天然气管线网络的天然气储运和输送传输机制及流量调度机制,在天然气管线输送环境下,进行天然气管线分布配置网络模型和压气站的配压节点分布模型分析,用一个二元有向图G=(V,E)表示天然气管线的网络配置结构,得到天然气管线分布配置网络的分布结构模型如图1所示。

其中,V是部署在天然气管线的网络配置的监测区域的管线分布顶点集;E是天然气管线分布配置网络在天然气供气和传输的覆盖区域G中所有边的集合。M1,M2,…,MN为压气站的分布节点,使用802.15.3a、802.15.4的专用网络协议进行天然气输送的流量信息采集和数据传输,进行天然气管线的网络数据收发和流量传输的模型构建。采用最常用的Bell模型(0/1模型)构建天然气管线分布配置网络的转发协议,得到天然气管线分布配置网络通信节点(xs,ys)与中继节点s的通信半径为d(s,p)。

天然气管线分布配置网络流量的鲁棒性模型中,假设天然气管线分布配置网络中2个相邻节点的覆盖贡献度具有相关性,选择管线分布覆盖效率i∈S的节点进行天然气传输流量的均衡配置[6,7,8,9,10],假设K{ri}为区域中天然气传输配置范围内的压气站分布节点的覆盖系数,ri(x)为mu(i,x)+np,其中mu(i,x)+np>0,m<0、n<0且为常数;u(i,x)表示控制簇头传输的适应度函数,在保证SN节点与sink之间进行天然气传输配置网络均衡下,提高管线的天然气输送吞吐量,选择自适应均衡策略,进行网络配置,在上述构建天然气管线的网络配置结构模型中进行流量均衡调度分析。

1.2 天然气输送流量的时间序列分析

天然气管线输送流量传输信道模型中,流量传输分为3个区域,通过链路LAN连接在不同的网格站点中实现对天然气流量的传输。采用离散频谱的分数阶傅立叶变换进行特征空间重组,构建天然气管线输送管道的路由分发的无向图G=(V,E),其中,p为多输入输出多跳网络中输送天然气管线系统的负荷预测阶数,用ann(u,r1,r2,a)表示以节点u为圆心的得到功率向量V=[V1,V2,…,Vm]∈Rm×m的辐射半径,可以为任意实数,采用非线性时间序列分析方法,假设给定监测的天然气管线输送网络信道的数据流量表示为:

其中,Ui为天然气管线输送流量时间序列的时间标量序列,其表现为一种随机变量,假设x(n)为天然气管线输送流量预测的时间序列组合,〈x(n)〉代表对x(n)取均值:

在上述进行了天然气管线输送流量调度信息流时间序列重构的基础上,进行流量监测的频率响应配置,得到天然气管线输送流量时间序列的特征向量幅值和自相关特征状态为:

其中,t表示对天然气管线输送流量的时间采样间隔,在天然气管线输送流量序列的d×L维广域子空间中,通过提取联合熵特征实现相空间重构,得到重构的相空间为:

其中,τ为时延,m为流量相空间的嵌入维数,从而形成m维状态空间,在m维相空间中,采用一个紧缩的非线性差分方程描述天然气输送流量时间序列的高维特征状态为:

其中,M是d维的非线性动力系统的时间窗口,h是M上的流量配置的传递函数,计算天然气管线输送流量时间序列的几何不变量,得到了该状态空间中的几何吸引子si=(xi,xi+τ,…,xi+(m-1)τ)T,构建天然气管线输送流量预测相关函数,至此实现对天然气管线输送网络天然气流量的时间序列,为进行流量调度提供准确的数据输入基础。

2 天然气管线输送流量均衡调度算法改进实现

2.1 问题描述及天然气管线输送流量均衡调度的定量递归分析

在上述进行了天然气管线的网络模型配置和流量的时间序列分析的基础上,进行天然气管线输送流量均衡调度算法改进,提高天然气管线运行工况的准确监测能力。分析当前方法可知,传统方法采用线性时间序列Wolf一步预测方法进行天然气管线输送流量调度,没能有效挖掘天然气管线输送网络中天然气流量的非线性特征,导致调度的准确性不好。为了克服传统方法的弊端,本文提出一种基于定量递归分析的天然气管线输送流量均衡调度方法。在高维相空间中进行递归图构建,实现对天然气管线输送流量的定量递归分析,天然气流量的递归图构建方法如下。首先进行天然气管线输送流的相空间轨迹重构,对天然气管线输送流量时间序列x(t)出现在分布区间i的概率随机变量满足αk≥0,,时间序列{x(t0+iΔt)},i=0,1,…,N-1,基于Takens嵌入定理,得到天然气管线流量的相空间重构轨迹为:

其中,K=N-(m-1)τ,表示天然气管线输送流量时间序列的正交特征向量,τ为时间延迟,m为嵌入维数,si=(xi,xi+τ,…,xi+(m-1)τ)T称为天然气管线输送流量序列的嵌入空间欧氏空间中的湍流环,其表达式为:

天然气流量的传输管道的均衡调度模型是一个n阶多输入多输出(MIMO)系统,描述如下:

其中,y∈Rm为时间标量序列向量;f∈Rm为流量时间序列的频谱分布函数,u∈Rm,通过自适应能量均衡,同时又针对流量时间序列的递归图展开分析,得到递归图中的谱特征为V(k)=[v1T(k),v2T(k),…,vNT(k)]T,天然气管线输送流量序列的统计信息的方差满足:

结合相空间重构轨迹的扩维测量方程,选择ρ=0.95,β=1.2,获得k-1时刻的天然气传输流量的聚类中心的最优值,得到递归图中的噪点和特征点w(k)与V(k)的相关性为:

由于天然气流量的自相关特征配准性,进行干扰抑制,干扰向量RV(k)是一正定的实对称阵,根据信息融合可以使得递归图中的噪点RV(k)可以唯一地分解成:

采用定量递归分析方法使得天然气流量传输的均衡偏差ση2最小,实现均衡调度控制,得到通过管线均衡调度控制后的输出数学表示为:

其中,rη=E[x[η]xs],xs=[x(η1),…,x(ηN)]T,Rss=E[xsxsT]∈RN×N。由此实现了基于定量递归分析的天然气管线输送流量的均衡调度。

2.2 改进算法实现步骤

综上分析,改进的天然气输送流量的均衡调度算法实现步骤如下:

1)对于传输管道中天然气传输流量的时间序列{xn}Nn=1,其采样时间序列长度为N,采用合适的嵌入维数m和延迟时间τ对天然气输送流量进行相空间重构,重构后的天然气流量的相空间的轨迹为:

计算重构后的流量时间序列的递归图第i点xi和第j点xj的聚类中心,表示为:

2)对于给定的xi,通过阈值寻优计算dij≤ε点的数目N(i),式中ε一般取特征空间的最优子函数,同时计算天然气管线输送流量序列的递归图的规则特征点数占总点数的比值Rm(r,i):

3)取每个Rm(r,i)的自然对数,同时求出递归图中的谱特征:

4)将相空间的嵌入维数增加到m+1,对上述步骤进行重复,可得出Rm+1(r,i)和AVm+1(r)。

5)求得天然气传输流量时间序列的近似熵的定义为:

限定初始迭代步数,在给定的初始值下进行流量均衡调度,得到输出为:

根据上述步骤进行算法优化设计,最后通过仿真实验进行性能测试和验证。

3 仿真实验与结果分析

为了验证本文设计算法在实现天然气管线输送流量均衡调度中的性能,进行仿真实验。采用Matlab仿真软件,参数设定为Gmax=30,D=12,c=3,NP=30,F=0.5,CR=0.1,m=2,天然气管线输送流量的初始采样频率f1=2.1 Hz,终止频率f2=0.23 Hz,权重系数ω设定为0.9。根据仿真环境和参数设定,进行天然气传输流量的均衡调度仿真,首先进行天然气管线中输送流量的原始序列采样,得到采样的流量时域波形如图2所示。

以上述的采样数据作为测试集,结合压气站给出的标准样本训练集,进行流量均衡调度,采用本文方法进行定量递归分析,构建流量的递归图,如图3所示。

从图可见,采用本文方法,在高维相空间中进行递归图构建,实现对天然气管线输送流量的定量递归分析,达到流量准确预测和均衡调度的目的,为了对比算法性能,采用本文方法和传统方法进行流量均衡调度,以流量调度的幅频响应为测试指标,得到对比结果如图4所示,从图可见,采用本文方法进行流量调度,幅频响应的指向性明显,旁瓣波束得到有效抑制,说明进行流量调度的均衡性较好,展示了本文方法的优越性。

4 结束语

本文研究天然气管线的流量均衡调度模型,通过对天然气管线输送流量进行优化均衡调度设计,实现对天然气管线运行工况的准确监测。本文提出一种基于定量递归分析的天然气管线输送流量均衡调度方法。首先构建了天然气管线的网络配置结构模型,进行输送流量序列的信号模型构建和非线性时间序列分析,对天然气流量进行相空间重构,在高维相空间中进行递归图构建,实现对天然气管线输送流量的定量递归分析,达到流量准确预测和均衡调度的目的,实现算法改进。仿真实验分析结果表明,采用该方法进行天然气管线输送流量均衡调度,天然气输送运行的工况得到改善,输送配置的均衡性较好,流量预测精度较高,调度效能增强。

参考文献

[1]杨雷,李贵鹏,张萍.改进的Wolf一步预测的网络异常流量检测[J].科技通报,2014,30(2):47-49.

[2]张曦文,赵尚弘,李勇军,等.基于空分复用的多信道机间紫外光通信定向MAC协议[J].激光技术,2016,40(3):451-455.

[3]邓博于,赵尚弘,李勇军,等.一种基于星间光链路的帧同步与频偏估计方法[J].激光技术,2016,40(2):264-269.

[4]PALOMARES I,MARTINEZ L,HERRERA F.A consensus model to detect and manage non-cooperative behaviors in large scale group decision making[J].IEEE Trans on Fuzzy System,2014,22(3):516-530.

[5]ZHANG H,WANG Z,LIU D A.Comprehensive review of stability analysis of continuous-time recurrent neural networks[J].IEEE Trans on Neural Networks and Learning Systems,2014,25(7):1229-1262.

[6]陆兴华,陈平华.基于定量递归联合熵特征重构的缓冲区流量预测算法[J].计算机科学,2015,42(4):68-71.

[7]翟海滨,张鸿,刘欣然,等.最小化出口流量花费的接入级P2P缓存容量设计方法[J].电子学报,2015,43(5):879-887.

[8]张骏,田泽,梅魁志,等.基于节点预测的直接Cache一致性协议[J].计算机学报,2014,37(3):700-720.

[9]PATCHARAMANEEPAKRON P,ARMOUR S,DOUFEXI A.Coordinated beamforming schemes based on modified signal-toleakage-plus-noise ratio precoding designs[J].IET Communications,2015,9(4):558-567.