网格主机负载预测中自回归模型的定阶问题研究
由于网格环境中的资源具有异构的、动态的特性,因此在网格系统中能够准确而及时地预测出资源的未来状态是非常重要的。自回归模型能够恰当地且代价低廉地预测出主机负载,但该模型在建模时需要进行模型定阶,即确定出能够最优地描述被预测数据的模型阶数。在本文中,我们评估了四个确定AR模型最优阶数的准则:最后预测错误(FPE), Akaike信息准则(AIC),最小量描述长度(MDL)和贝斯信息准则(BIC)。并在四个不同的、采集于真正机器的主机负载序列上评估了这些准则,实验结果表明BIC准则比起其它的准则更适合于AR模型预测网格主机负载的定阶,且AR模型进行主机负载预测的最优阶数在异构的机器上是不同的。
网格环境 自回归模型 最优阶数 主机负载预测
屈洪 火久元 刘立群
兰州交通大学信息中心,兰州 730070 甘肃农业大学信息科学技术学院,兰州 730070
国内会议
深圳
中文
682-687
2007-10-26（万方平台首次上网日期，不代表论文的发表时间）