基于组合预测模型的云计算资源负载预测研究

• 作者: 冯竞凯 林涛 郝章肖 黄少群
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 云计算 资源管理 负载预测 LSTM ARIMA
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 高性能计算
• 页码范围: 1168-1173
• 页数: 6页
• 分类号: TP391
• 字数: 4494字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.07.004

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林涛	河北工业大学人工智能与数据科学学院	65	273	10.0	12.0
2	郝章肖	河北工业大学人工智能与数据科学学院	2	0	0.0	0.0
3	冯竞凯	河北工业大学人工智能与数据科学学院	2	0	0.0	0.0
4	黄少群	哈尔滨商业大学管理学院	1	0	0.0	0.0