张宗华,张海全,魏 驰,牛新征
(1.南京南瑞集团公司 流程与信息管理中心,南京 211106; 2.南京南瑞集团公司 流程与信息管理中心建设部,南京 211106; 3.电子科技大学 信息与软件工程学院,成都 610054; 4.电子科技大学 计算机科学与工程学院,成都 611731)
基于加权改进的AR模型的负载预测研究
张宗华1,张海全2,魏 驰3,牛新征4
(1.南京南瑞集团公司 流程与信息管理中心,南京 211106; 2.南京南瑞集团公司 流程与信息管理中心建设部,南京 211106; 3.电子科技大学 信息与软件工程学院,成都 610054; 4.电子科技大学 计算机科学与工程学院,成都 611731)
负载预测在故障管理中有着十分重要的作用,通过对CPU负载以及内存使用率的预测可以对系统进行实时监控,预知未来时间段资源的可用性,发出异常告警;文中提出一种加权改进的自回归模型,通过对最小二乘法求出的参数进行加权处理,结合时间序列分析理论,建立一个负载预测模型,用于CPU负载和内存使用率的预测;实验证明,对AR模型的参数进行加权的方法优化了参数估计,预测误差减小了60%~80%。
负载预测;时间序列;自回归模型;最小二乘法
负载预测主要用于资源管理以及故障管理,实时监控,对异常情况进行告警。国内外相关研究成果采用过下列方法:时间序列[1]、神经网络[2]、支持向量机[3]、集成学习[4]等。神经网络模型适用于处理信息模糊以及因素条件较多的情况但它存在局部极小点的问题。支持向量机虽然能够避免神经网络结构选择以及局部极小点的问题但目前还没有成熟的方法来选择理想的参数。……