本文選題：云服務(wù)　切入點(diǎn)：并發(fā)量　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年02期

【摘要】：云計(jì)算環(huán)境下服務(wù)用戶并發(fā)量的預(yù)測(cè)是云環(huán)境自適應(yīng)資源調(diào)整的重要依據(jù),但傳統(tǒng)的單值預(yù)測(cè)所包含的信息量過(guò)少,受并發(fā)量不確定性影響明顯,所以其不足以支持完備的自適應(yīng)調(diào)整策略制定,因而會(huì)引發(fā)過(guò)多無(wú)效的調(diào)整動(dòng)作.針對(duì)上述問(wèn)題,該文提出一種云服務(wù)用戶并發(fā)量區(qū)間預(yù)測(cè)模型,通過(guò)預(yù)測(cè)并發(fā)量的區(qū)間量化其不確定性.該模型利用梯度下降粒子群優(yōu)化的支持向量機(jī)作為主要預(yù)測(cè)方法.為了更有效地預(yù)測(cè)不同類型的并發(fā)量,提出了一種基于自相關(guān)系數(shù)以及功率譜分析的AC-PS并發(fā)量特征判定規(guī)則,并針對(duì)不同特征并發(fā)量采取不同的區(qū)間構(gòu)造方法.該文通過(guò)一個(gè)實(shí)例分析該區(qū)間預(yù)測(cè)模型對(duì)解決自適應(yīng)資源調(diào)整無(wú)效問(wèn)題的有效性,最后利用對(duì)比實(shí)驗(yàn)驗(yàn)證預(yù)測(cè)區(qū)間的準(zhǔn)確性.結(jié)果表明,相對(duì)于其它方法文中提出的區(qū)間預(yù)測(cè)模型對(duì)各類并發(fā)量數(shù)據(jù)的預(yù)測(cè)精度均達(dá)92%以上,其預(yù)測(cè)效率有76.11%~96.15%的提升,因此提出的并發(fā)量區(qū)間預(yù)測(cè)方法能夠?yàn)楸苊庾赃m應(yīng)資源調(diào)整無(wú)效問(wèn)題提供可靠支撐.
[Abstract]:In cloud computing environment, the prediction of the amount of service user and output is an important basis for adaptive resource adjustment in cloud environment. However, the traditional single-valued prediction contains too little information and is obviously affected by the uncertainty of concurrent amount.Therefore, it is not enough to support the formulation of a complete adaptive adjustment strategy, which will lead to too many invalid adjustment actions.In order to solve the above problems, this paper presents an interval prediction model for cloud service users and traffic, which quantifies the uncertainty of concurrent quantities by interval quantization.The support vector machine (SVM) of gradient descent particle swarm optimization is used as the main prediction method in this model.In order to predict different types of concurrency more effectively, a new rule of AC-PS concurrency feature determination based on autocorrelation coefficient and power spectrum analysis is proposed, and different interval construction methods are adopted for different feature concurrency quantities.In this paper, an example is given to analyze the effectiveness of the interval prediction model in solving the invalid problem of adaptive resource adjustment. Finally, the accuracy of the prediction interval is verified by a comparative experiment.The results show that compared with other methods, the prediction accuracy of the interval prediction model for all kinds of concurrent data is over 92%, and the prediction efficiency is improved by 76.1196. 15%.Therefore, the proposed interval prediction method of concurrent variables can provide reliable support for avoiding the problem of invalid adaptive resource adjustment.
【作者單位】： 東北大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61572116,61572117,61502089) 國(guó)家關(guān)鍵科技研發(fā)基金(2015BAH09F02) 省科技項(xiàng)目攻關(guān)項(xiàng)目(2015302002) 中央高校東北大學(xué)基本科研專項(xiàng)基金(N150408001,N150404009,N140406002)資助~~
【分類號(hào)】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 師瑞峰;周一民;;基于數(shù)據(jù)挖掘的人口數(shù)據(jù)預(yù)測(cè)模型綜述[J];計(jì)算機(jī)工程與應(yīng)用;2008年09期

2 姚光圻;趙榮黎;;場(chǎng)強(qiáng)預(yù)測(cè)模型分析及應(yīng)用[J];移動(dòng)通訊裝備;1987年05期

3 唐蕓,秦秀華,蘇杰南;一種簡(jiǎn)易預(yù)測(cè)模型的應(yīng)用[J];林業(yè)調(diào)查規(guī)劃;2002年02期

4 吳學(xué)雁;辜敏;漆晨曦;;綜合運(yùn)用各種建模方法提高預(yù)測(cè)模型的準(zhǔn)確度[J];廣東通信技術(shù);2006年06期

5 張飛飛;吳杰;呂智慧;;云計(jì)算資源管理中的預(yù)測(cè)模型綜述[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年09期

6 廖燦平,柳玉柏;科技期刊發(fā)行量的灰色預(yù)測(cè)模型[J];編輯學(xué)報(bào);1990年04期

7 劉曉雁,方憶岡;“讀者需求”預(yù)測(cè)模型[J];晉圖學(xué)刊;1997年02期

8 張慧敏;宋東;郭勇;王彥松;;故障預(yù)測(cè)模型的評(píng)價(jià)方法研究[J];測(cè)控技術(shù);2013年05期

9 謝開(kāi)貴,何斌,鄭繼明;灰色預(yù)測(cè)模型建模方法探討[J];重慶郵電學(xué)院學(xué)報(bào);1998年03期

10 胡代平,王浣塵;建立支持宏觀經(jīng)濟(jì)決策研討廳的預(yù)測(cè)模型系統(tǒng)[J];系統(tǒng)工程學(xué)報(bào);2001年05期

相關(guān)會(huì)議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預(yù)測(cè)[A];第九屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預(yù)測(cè)模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預(yù)測(cè)模型的選擇及其智能化實(shí)現(xiàn)[A];科學(xué)決策與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機(jī)的預(yù)測(cè)模型及應(yīng)用[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

5 李陽(yáng)旭;鄧輝文;;一種新的企業(yè)市場(chǎng)預(yù)測(cè)模型及其比較研究[A];2004年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟(jì)、人口、能源、環(huán)境綜合系統(tǒng)預(yù)測(cè)模型及應(yīng)用[A];中國(guó)城市建設(shè)與環(huán)境保護(hù)實(shí)踐——城市建設(shè)與環(huán)境保護(hù)學(xué)術(shù)研討會(huì)論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測(cè)模型研究[A];首屆長(zhǎng)三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測(cè)模型研究[A];首屆長(zhǎng)三角科技論壇——?dú)庀罂萍及l(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預(yù)測(cè)模型[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十三屆學(xué)術(shù)年會(huì)論文集[C];2007年

10 肖會(huì)敏;樊為剛;;基于神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)模型[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 劉慶;“預(yù)測(cè)模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設(shè)計(jì)價(jià)格預(yù)測(cè)模型見(jiàn)成效[N];中國(guó)石油報(bào);2010年

3 南方日?qǐng)?bào)記者 彭琳　實(shí)習(xí)生 周鵬程;預(yù)測(cè)世界杯之外 大數(shù)據(jù)還能做什么[N];南方日?qǐng)?bào);2014年

4 本報(bào)記者 張超;預(yù)測(cè)模型：推算SARS起落潮[N];科技日?qǐng)?bào);2003年

5 本報(bào)記者 段佳;機(jī)器“品肉師”替您“嘗鮮”[N];大眾科技報(bào);2010年

6 BMC首席IT技術(shù)官 Mahendra Durai　IDC顧問(wèn) Eric Hatcher Randy Perry;預(yù)測(cè)智能：管理復(fù)雜基礎(chǔ)架構(gòu)的鎖鑰[N];中國(guó)計(jì)算機(jī)報(bào);2010年

7 張琳 趙偉;巧用Excel構(gòu)建利潤(rùn)預(yù)測(cè)模型[N];財(cái)會(huì)信報(bào);2007年

8 楊宜勇（作者為國(guó)家發(fā)改委經(jīng)濟(jì)研究所副所長(zhǎng)）;發(fā)揮信息化對(duì)就業(yè)的“增補(bǔ)效應(yīng)”[N];第一財(cái)經(jīng)日?qǐng)?bào);2005年

9 本報(bào)記者 湯潯芳　實(shí)習(xí)記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運(yùn)營(yíng)樣本[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2014年

10 本報(bào)記者 安豐;深部找礦的探鏡[N];中國(guó)國(guó)土資源報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評(píng)中空氣污染預(yù)測(cè)模型研究[D];中國(guó)地質(zhì)大學(xué);2015年

2 張麗;牦牛肉用品質(zhì)特性及近紅外預(yù)測(cè)模型和產(chǎn)量等級(jí)系統(tǒng)的研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2015年

3 吳利豐;分?jǐn)?shù)階灰色預(yù)測(cè)模型及其應(yīng)用研究[D];南京航空航天大學(xué);2015年

4 王菲;肉牛飼料有效能值預(yù)測(cè)模型的建立與評(píng)價(jià)[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

5 文江平;農(nóng)村地區(qū)成人2型糖尿病發(fā)生風(fēng)險(xiǎn)相關(guān)生物標(biāo)志物的篩選及預(yù)測(cè)模型的建立[D];中國(guó)人民解放軍醫(yī)學(xué)院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預(yù)測(cè)模型在瓣膜置換術(shù)后抗凝治療中的應(yīng)用[D];天津醫(yī)科大學(xué);2016年

7 周闖;原發(fā)性肝癌術(shù)后轉(zhuǎn)移復(fù)發(fā)分子預(yù)測(cè)模型的優(yōu)化整合與臨床轉(zhuǎn)化[D];復(fù)旦大學(xué);2012年

8 孫忠林;煤礦安全生產(chǎn)預(yù)測(cè)模型的研究[D];山東科技大學(xué);2009年

9 王冬光;控制技術(shù)在投資預(yù)測(cè)模型建立中的應(yīng)用研究[D];哈爾濱工程大學(xué);2005年

10 張麗峰;中國(guó)能源供求預(yù)測(cè)模型及發(fā)展對(duì)策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡(luò)的纖維熱磨過(guò)程能耗預(yù)測(cè)模型的研究[D];東北林業(yè)大學(xué);2015年

2 張念;鐵路軌道幾何不平順趨勢(shì)預(yù)測(cè)的關(guān)鍵算法研究[D];西南交通大學(xué);2015年

3 田振偉;城市能源預(yù)測(cè)模型的研究與應(yīng)用[D];昆明理工大學(xué);2015年

4 吳迪;基于模糊決策樹(shù)算法的安全庫(kù)存量預(yù)測(cè)模型[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

5 齊雯;采用灰色預(yù)測(cè)模型改進(jìn)的HHT算法在故障診斷中的應(yīng)用[D];華南理工大學(xué);2015年

6 王萍;膀胱癌遺傳分?jǐn)?shù)的計(jì)算及發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建[D];復(fù)旦大學(xué);2013年

7 石大宏;基于序列的蛋白質(zhì)—核苷酸綁定位點(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡(luò)的混合預(yù)測(cè)模型的實(shí)例研究[D];蘭州大學(xué);2015年

9 趙Z，

本文編號(hào)：1692523