基于加權改進(jìn)的AR模型的負載預測研究

首頁(yè) > 過(guò)刊瀏覽>2016年第24卷第3期 >248-251

基于加權改進(jìn)的AR模型的負載預測研究
DOI:
                        
                    
CSTR:
                        [cstr]
                    
作者:
                        
                        
                    
作者單位:(1.南京南瑞集團公司 流程與信息管理中心,南京 211106;2.南京南瑞集團公司 流程與信息管理中心建設部, 南京 211106;3.電子科技大學(xué) 信息與軟件工程學(xué)院,成都 610054;4.電子科技大學(xué) 計算機科學(xué)與工程學(xué)院,成都 611731)
作者簡(jiǎn)介:張宗華(1977-), 男, 四川成都人, 工程師, 碩士, 主要從事電力信息化研究、建設工作方向的研究。[FQ)]
通訊作者:
中圖分類(lèi)號:
基金項目:

Load Prediction Based on an Improved AR Model with Weighting 

Author:

Affiliation:

(1.NARI Group Corporation, Nanjing 211106, China;2.NARI Group Corporation, Nanjing 211106, China;3.Schoolof Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu 610054, China;4.School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 611731,China)[JZ)]

Fund Project:

摘要

圖/表

訪(fǎng)問(wèn)統計

參考文獻

相似文獻

引證文獻

資源附件

文章評論

摘要:

負載預測在故障管理中有著(zhù)十分重要的作用,通過(guò)對CPU負載以及內存使用率的預測可以對系統進(jìn)行實(shí)時(shí)監控,預知未來(lái)時(shí)間段資源的可用性,發(fā)出異常告警；文中提出一種加權改進(jìn)的自回歸模型,通過(guò)對最小二乘法求出的參數進(jìn)行加權處理,結合時(shí)間序列分析理論,建立一個(gè)負載預測模型,用于CPU負載和內存使用率的預測；實(shí)驗證明,對AR模型的參數進(jìn)行加權的方法優(yōu)化了參數估計,預測誤差減小了60%~80%。

Abstract:

Load prediction is very important in fault management, forecasting CPU load and memory usage can monitor the system in time, and it can know if the resource is available in the future, then give the malfunction alarm. This article came up with an improved AR model for load prediction, it based on the parameters of least square with weighting and combined with time series theory to build load prediction model. The model can predict CPU load and memory usage. The results prove that the method of weighting has optimized parameters and the prediction error has reduced 60%~80%.

參考文獻

相似文獻

引證文獻

引用本文

張宗華,張海全,魏馳,牛新征.基于加權改進(jìn)的AR模型的負載預測研究計算機測量與控制[J].,2016,24(3):248-251.

復制

文章指標

點(diǎn)擊次數:
下載次數:
HTML閱讀次數:
引用次數:

歷史

收稿日期:2015-10-01
最后修改日期:2015-11-11
錄用日期:
在線(xiàn)發(fā)布日期: 2016-07-27
出版日期:

国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

引用本文

分享

文章指標

歷史

文章二維碼