基于ARIMA和CART的负载预测模型

• 作者: 常健 梅克进 牛新征 王电钢 黄林
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 计算机应用技术 时间序列 负载预测 最小二乘法 自回归差分滑动平均模型 分类回归树
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 245-251
• 页数: 7页
• 分类号: TP301.6
• 字数: 5324字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2019.03245

摘要

主机资源的负载预测对其运营维护工作具有重要意义.传统负载预测方法通常采用线性时间序列模型拟合负载数据,而负载受复杂的内外部环境影响,线性模型无法很好地表征负载数据规律.为提高模型的精度,提出将负载信息分解为线性部分和非线性部分的思想,并将自回归差分滑动平均(autoregressive integrated moving average,ARIMA)模型和分类回归树(classification and regression tree,CART)模型相结合进行预测.通过加权最小二乘法改进的ARIMA预测线性部分,通过边界判定优化的CART预测非线性部分,并结合两者获得综合预测结果.在真实负载数据集下进行对比实验,结果表明,改进后的算法预测精度相比传统方法提高了15％以上,且对偏远值和不同的时间间隔都均有良好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛新征	电子科技大学计算机科学与工程学院	45	470	10.0	20.0
2	黄林		8	23	3.0	4.0
3	王电钢		4	11	2.0	3.0
4	常健		9	3	1.0	1.0
5	梅克进	电子科技大学计算机科学与工程学院	2	1	1.0	1.0