摘要:

分析了SAN(storage area network)共享存储体系中I/O访问路径上可能存在的性能瓶颈,提出了采用ARIMA时间序列分析方法建立基于前馈的预测式控制机制,预测瓶颈发生趋势;通过改变存储子系统内的块映射关系来实现数据的迁移,减少I/O访问路径上发生性能瓶颈的可能性,有效提高了SAN的可靠性和可用性.

摘要:

模型的适用性检验和参数优化是系统建模的最关键环节,对于预测模型的适用性检验,常采用残差方差图、最小信息准则和AIC准则等方法,存在计算量大、准确性低、模型不唯一等缺点.本文给出采用自相关系数和偏自相关系数的拖尾先对ARIMA模型检验,再对其进行F适用性检验,克服了由于观测样本的长度是有限的,偏相关的估计存在误差,拖尾时不能为ARMA定阶的缺陷,并采用具有超线性收敛性等诸多优点的变尺度法对模型参数进行了优化,得到了较为精确的、单一AIRMA模型,该方法可应用于网络流量模型的适用性检验和模型优化,为网络流量的预测、异常检测和服务器负载预测的应用奠定了坚实的基础.

摘要:

目的 对某医院药品收入进行预报,从而为该医院控制药品收入比例提供理论依据.方法 对该医院2003-01～2006-12间药品收入时间序列数据拟合自回归求和滑动平均(ARIMA)模型,并用2007年该医院药品实际收入与上述模型对2007年的预报结果进行比较.最后利用所求模型对2008年该医院药品收入情况做出预报.结果 ARIMA(2,1,1)提供的该医院2007年药品收入预报值与药品实际收入较为吻合,进一步利用ARIMA(2,1,1)对该医院2008年的药品收入做出预报.结论 ARIMA模型为该医院提供了较为准确的药品收入预报,为管理者控制药品收入比例提供了可靠的理论依据.

摘要:

冷热电负荷预测对终端供能系统的规划设计有重要意义,针对冷热电负荷预测方法中存在的变量多、时间开销大等问题,以5种典型建筑的冷热电负荷历史数据为基础,将Elman神经网络、自回归求和滑动平均ARIMA(autoregressive integrated moving average)模型和小波神经网络用于冷热电短期负荷预测.仿真结果表明:在冬夏典型日的冷热电负荷预测中,小波神经网络的最大平均绝对百分比误差为2.1％,计算速度适中,是较为合适的冷热电负荷预测方法;ARIMA模型的最大平均绝对百分比误差为4.1％,计算速度慢,但调试和确定参数的难度不大;Elman神经网络的最大平均绝对百分比误差为7.4％,但计算速度最快,网络参数少且调节简捷,适用于对预测精度的要求不太高,但需快速响应的场合.

摘要:

针对风电场短期风速的预测提出一种基于小波变换的组合预测方法.首先利用Mallat算法对短期风速时间序列进行db3小波三层分解与重构,得到短期风速时间序列的近似分量和细节分量.针对近似分量和细节分量的不同特性,对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测,对细节分量利用自回归求和滑动平均模型进行预测.最后各预测模型预测值组合叠加得到最终的短期风速预测值.仿真结果表明该方法具有较高的预测准确度.

摘要:

通过城市轨道交通发展过程阶段变化对其相应的客流变化特点进行分析；基于变点发掘的方法划分出轨道交通客流的不同变化模式，并分析导致客流模式变化的影响因素；通过权重变化有效地结合不同交通状态模式下的变参数自回归求和滑动平均(ARIMA)模型和全局BP神经网络模型，构建城市轨道交通客流组合预测模型；结合某大城市轨道交通线路的实际客流数据，对本文模型的适用性和准确性进行验证。研究结果表明：同一模式区间预测比全局搜索预测更容易获得较高精度预测值，组合模型预测结果相对优于单一模型预测结果。

摘要:

分析了SAN(storage area network)共享存储体系中I/O访问路径上可能存在的性能瓶颈,提出了采用ARIMA时间序列分析方法建立基于前馈的预测式控制机制,预测瓶颈发生趋势;通过改变存储子系统内的块映射关系来实现数据的迁移,减少I/O访问路径上发生性能瓶颈的可能性,有效提高了SAN的可靠性和可用性.