改进GWO优化SVM的云计算资源负载短期预测研究

发布时间：2018-04-05 21:10

  本文选题：云计算　切入点：灰狼优化算法　出处：《计算机工程与应用》2017年07期

【摘要】：云计算资源负载短期预测是云计算平台实现资源高效管理和系统安全、稳定运行的重要前提和保障措施之一。为了其提高负载短期预测的预测精度,提出一种改进灰狼搜索算法优化支持向量机的短期云计算资源负载预测模型(EGWO-SVM)。首先介绍灰狼搜索算法(GWO)的基本原理;然后提出基于极值优化的改进GWO模型;最后根据最优参数建立短期资源负载预测模型,并通过仿真实验对EGWO-SVM的性能进行测试。实验结果表明,相对于参比模型,EGWO-SVM能更加准确地刻画云计算短期资源负载的复杂变化趋势,从而有效提升云计算资源负载短期预测的精度。
[Abstract]:Short-term prediction of cloud computing resource load is one of the important prerequisite and safeguard measures for the cloud computing platform to achieve efficient resource management and system security and stable operation.In order to improve the prediction accuracy of short-term load prediction, an improved gray wolf search algorithm is proposed to optimize the support vector machine (SVM) model for short-term cloud computing resource load prediction.The basic principle of gray wolf search algorithm (GWO) is introduced, then an improved GWO model based on extremum optimization is proposed. Finally, the short-term resource load prediction model is established according to the optimal parameters, and the performance of EGWO-SVM is tested by simulation experiments.The experimental results show that EGWO-SVM can more accurately describe the complex trends of cloud computing short-term resource load than the reference model, thus effectively improve the accuracy of short-term prediction of cloud computing resource load.
【作者单位】： 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室;合肥工业大学计算机与网络系统研究所;
【基金】：国家自然科学基金(No.71131002) 浙江农林大学人才启动项目(No.2014FR082) 浙江省自然科学基金(No.LQ17G010003)
【分类号】：TP18;TP3

【相似文献】

相关期刊论文 前10条

1 张彩琴,霍鸿宇;产品价格供求的适应性短期预测的适应性的数学模型[J];科学管理研究;1998年03期

2 徐静;张硕;;太阳能帆板输出功率短期预测研究[J];计算机与数字工程;2012年08期

3 姜波;许竞;;粒子滤波在农作物产能短期预测中的应用[J];江苏农业科学;2012年03期

4 郝建忠;杨锁昌;;导弹储运状态新指标及其短期预测ARMA模型[J];电子产品世界;2013年04期

5 赵安平;王晓东;肖金科;梁建平;王川;赵友森;;农产品价格短期预测系统设计与实现[J];农业网络信息;2014年04期

6 徐人鹤;郭顺生;;基于食物链算法的新产品订单短期预测与优化[J];机械工程师;2013年05期

7 周广惠;;基于支持向量机的企业用电量的短期预测[J];电脑开发与应用;2009年11期

8 郭白奇,胡细如;甘肃省工业月产值预测系统[J];计算机应用研究;1989年03期

9 肖健华;林健;刘晋;;基于SVR的区域经济短期预测模型[J];系统仿真学报;2005年12期

10 郝华宁;刘阳;;基于遗传神经网络的个股价格短期预测[J];西安石油大学学报(自然科学版);2010年02期

相关会议论文 前1条

1 林健;朱帮助;;基于LS-SVM的区域经济短期预测[A];2006中国控制与决策学术年会论文集[C];2006年

相关重要报纸文章 前6条

1 ;2017年全球钢消费再增长71%[N];世界金属导报;2008年

2 江伟;强地震短期预测及救灾技术有重要进展[N];科技日报;2004年

3 记者 王晔君;京企信心指数跌至三年低点[N];北京商报;2012年

4 记者　韩晓霞;美国能源部发布能源短期预测[N];中国石油报;2006年

5 张均;2017年全球钢消费将再增长71%[N];中国贸易报;2008年

6 本报记者 徐翼;发展中国家饱受减速摧残[N];中华工商时报;2001年

相关博士学位论文 前3条

1 杨志凌;风电场功率短期预测方法优化的研究[D];华北电力大学（北京）;2011年

2 王扬;风电短期预测及其并网调度方法研究[D];浙江大学;2011年

3 陈道君;风电功率短期预测与并网低碳调度研究[D];武汉大学;2013年

相关硕士学位论文 前8条

1 李翠;基于三维实时数据的风速短期预测研究[D];哈尔滨理工大学;2012年

2 王芳;铁路客运量短期预测方法的研究[D];北京交通大学;2007年

3 张博;混沌支持向量机风速短期预测及其在pcDuino平台实现[D];中北大学;2014年

4 孙本瑶;中国CPI的实时预报与短期预测[D];华侨大学;2015年

5 邢婷婷;基于EEMD的公路客流短期预测研究[D];长春工业大学;2015年

6 周玉佳;城市能耗的短期预测组合模型研究[D];华南理工大学;2010年

7 邵t，

本文编号：1716465