摘  要：现在网络业务流量大并且流量数据分析越来越复杂，数据主要表现出长相关特性。好的流量模型必须能够准确描述网络实际流量的特征，才能准确预测流量状况。因此本文在对网络流量进行研究分析时，以已知Hurst指数的分形高斯噪声（FGN）序列仿真信号为主要研究对象，在原有Hurst指数估计方法的基础上加入滑动窗，对仿真序列进行时变Hurst指数分析。实验结果显示，与传统算法的估计结果相比，时变Hurst指数估计方法能更好地反映网络流量的局部长相关特性。 关键词：网络流量；时变Hurst指数；滑动窗 Abstract: Now the network [登陆后可查看全文]