基于ARIMA-Kalman滤波混合模型的网络负载预测方法
(0) 由于目前对网络负载预测的研究主要运用单一模型进行预测,忽略了其他因素对网络资源的内在作用,导致数据隐含信息丢失量大、预测结果不准确,故提出一种基于ARIMA-Kalman滤波混合模型预测方法.该方法首先利用ARIMA模型建立一个能反映负载时间序列数据变化规律的低阶模型,然后将Kalman滤波模型的预测方程与其结合,推导出其状态方程和测量方程,最后利用Kalman滤波的预测迭代方程对工作负载所需资源进行预测.实验结果表明,与单一的时间序列预测方法相比,该方法具有更高的预测精度,有效地提高了资源利用率和虚拟机资源的按需调度效率.
计算机网络 负载预测 时间序列 卡尔曼滤波 迭代方程
王骞 曹菡
陕西师范大学计算机科学学院,西安710119
国内会议
济南
中文
145-150
2017-11-19（万方平台首次上网日期，不代表论文的发表时间）