A Study on Internet Traffic Forecasting by Combined Forecasts
Sahm Kim · Korean Journal of Applied Statistics · 2015
최근 들어 ICT 분야의 발달에 따라 데이터 사용량의 급격한 증가로 인터넷 트래픽 사용량 예측은 중요성은 강조되고 있다. 이러한 예측치를 적절한 트래픽 관리와 제어를 위한 계획 수립에 도움을 준다. 본 논문은, 5분 단위의 인터넷 트래픽 자료를 이용하여 결합 예측 모형을 제안하고자 한다. 이에 대하여 시계열의 대표적인 3개 모형인 Seasonal ARIMA, Fractional ARIMA(FARIMA), Taylor의 수정된 Holt-Winters 모형을 적용하였다. 모형 간 결합 예측 방법으로 예측치 간의 SA(Simple Average) 결합 예측 방법과 OLS(Ordinary Least Square)를 이용한 결합방법, ERLS(Equality Restricted Least Squares)를 이용한 결합 예측 방법, Armstrong(2001)이 제안한 MSE 기반 결합 예측 방법을 사용한다. 이에 따른 결과로서 3시간에서의 예측은 Seasonal ARIMA가 선택된 반면, 6시간 이후 예측에서는 결합 예측 방법이 좋은 예측 성능을 보여준다. Increased data volume in the ICT area has increased the importance of forecasting accuracy for internet traffic. Forecasting results may have paper plans for traffic management and control. In this paper, we propose combined forecasts based on several time series models such as Seasonal ARIMA and Taylor's adjusted Holt-Winters and Fractional ARIMA(FARIMA). In combined forecasting methods, we use simple-combined method, MSE based method (Armstrong, 2001), Ordinary Least Squares (OLS) method and Equality Restricted Least Squares (ERLS) method. The results show that the Seasonal ARIMA model outperforms in 3 hours ahead forecasts and that combined forecasts outperform in longer periods.