基于组合预测模型的云计算资源负载预测研究

发布时间：2022-10-29 18:45

　　随着云计算技术的不断发展,云计算资源负载变化呈现出越来越复杂的特征。针对云计算资源的负载预测问题,综合考虑云计算环境中资源负载时间序列的线性与非线性特性,提出了一种基于自回归移动平均模型ARIMA与长短期记忆网络LSTM的组合预测模型LACL。使用公开数据集与传统负载预测模型进行了对比实验,实验结果表明,该云计算资源组合预测模型预测精度明显高于其他预测模型,显著降低了云环境中对资源负载的实时预测误差。 

【文章页数】：6 页

【文章目录】：
1 引言
2 问题描述
3 负载预测模型
    3.1 负载模型
    3.2 ARIMA预测模型
        (1) 数据分析与平稳性校验。
        (2) 模型识别与参数估计。
        (3) 有效性验证与模型获取。
    3.3 LSTM预测模型
    3.4 预测模型评价标准
    3.5 基于集成学习的组合预测模型
4 实验结果与分析
    4.1 实验数据
    4.2 实验环境
    4.3 实验结果与分析
5 结束语


【参考文献】：
期刊论文
[1]基于支持向量机的云计算资源负载预测模型[J]. 赵莉.  南京理工大学学报. 2018(06)
[2]一种云环境下的主机负载预测方法[J]. 江伟,陈羽中,黄启成,刘漳辉,刘耿耿.  计算机科学. 2018(S1)
[3]两种客观赋权法及其在确定组合预测权重中的应用[J]. 杨腾飞,施昆,汪奇生.  测绘工程. 2014(07)



本文编号：3698226