基于ARIMA和CART的负载预测模型 |
| |
引用本文: | 王电钢,黄林,常健,梅克进,牛新征.基于ARIMA和CART的负载预测模型[J].深圳大学学报(理工版),2019(3). |
| |
作者姓名: | 王电钢 黄林 常健 梅克进 牛新征 |
| |
作者单位: | 国网四川省电力公司信息通信公司;电子科技大学计算机科学与工程学院 |
| |
摘 要: | 主机资源的负载预测对其运营维护工作具有重要意义.传统负载预测方法通常采用线性时间序列模型拟合负载数据,而负载受复杂的内外部环境影响,线性模型无法很好地表征负载数据规律.为提高模型的精度,提出将负载信息分解为线性部分和非线性部分的思想,并将自回归差分滑动平均(autoregressive integrated moving average,ARIMA)模型和分类回归树(classification and regression tree,CART)模型相结合进行预测.通过加权最小二乘法改进的ARIMA预测线性部分,通过边界判定优化的CART预测非线性部分,并结合两者获得综合预测结果.在真实负载数据集下进行对比实验,结果表明,改进后的算法预测精度相比传统方法提高了15%以上,且对偏远值和不同的时间间隔都均有良好的适应性.
|
本文献已被 CNKI 等数据库收录! |
|