基于指数平滑的云服务器请求量集成预测模型

发布时间：2021-06-17 14:40

　　针对现有弹性云服务器（elastic cloud server,ECS）未来请求量预测模型准确度低、稳定性差等问题,提出一种基于指数平滑的Stacking集成预测模型。以多个二次指数平滑模型作为基础模型,将线性回归模型作为集成模型对多组指数平滑预测值进行最终拟合;预测过程中使用多组二次指数平滑模型对ECS的历史请求时序进行构造集成模型训练数据集并加入平滑系数的动态优化。与传统单一模型的对比实验结果表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。 

【文章来源】：计算机工程与设计. 2020,41(02)北大核心

【文章页数】：8 页

【部分图文】：

Stacking集成模型预测过程

Stacking预测结果

线性回归预测结果

【参考文献】：
期刊论文
[1]基于自步学习多元回归分析[J]. 甘江璋,钟智,余浩,雷聪,赵树之.  计算机工程与设计. 2018(12)
[2]基于集成学习的复杂仿真模型验证方法[J]. 周玉臣,方可,马萍,杨明.  系统工程与电子技术. 2018(09)
[3]基于灰色模型的云资源动态伸缩功能研究[J]. 王天泽.  软件导刊. 2018(04)
[4]基于动态指数平滑预测的负载均衡算法[J]. 孟利民,徐杨.  浙江工业大学学报. 2016(04)
[5]云计算环境下基于主动预测的节点部署模型研究[J]. 马自堂,陈鹏,李兆兴.  计算机科学. 2015(09)
[6]ECOC多类分类研究综述[J]. 雷蕾,王晓丹,罗玺,周进登,陈琴.  电子学报. 2014(09)
[7]IaaS下基于预测的弹性云服务的研究[J]. 文静,李陶深,黄汝维.  系统工程理论与实践. 2014(S1)
[8]基于SaaS的弹性云平台优化调度策略设计[J]. 赵少卡,李立耀,徐聪,杨家海.  计算机应用研究. 2014(02)



本文编号：3235387