發(fā)布時(shí)間：2018-04-05 21:10

  本文選題：云計(jì)算　切入點(diǎn)：灰狼優(yōu)化算法　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年07期

【摘要】：云計(jì)算資源負(fù)載短期預(yù)測(cè)是云計(jì)算平臺(tái)實(shí)現(xiàn)資源高效管理和系統(tǒng)安全、穩(wěn)定運(yùn)行的重要前提和保障措施之一。為了其提高負(fù)載短期預(yù)測(cè)的預(yù)測(cè)精度,提出一種改進(jìn)灰狼搜索算法優(yōu)化支持向量機(jī)的短期云計(jì)算資源負(fù)載預(yù)測(cè)模型(EGWO-SVM)。首先介紹灰狼搜索算法(GWO)的基本原理;然后提出基于極值優(yōu)化的改進(jìn)GWO模型;最后根據(jù)最優(yōu)參數(shù)建立短期資源負(fù)載預(yù)測(cè)模型,并通過(guò)仿真實(shí)驗(yàn)對(duì)EGWO-SVM的性能進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明,相對(duì)于參比模型,EGWO-SVM能更加準(zhǔn)確地刻畫(huà)云計(jì)算短期資源負(fù)載的復(fù)雜變化趨勢(shì),從而有效提升云計(jì)算資源負(fù)載短期預(yù)測(cè)的精度。
[Abstract]:Short-term prediction of cloud computing resource load is one of the important prerequisite and safeguard measures for the cloud computing platform to achieve efficient resource management and system security and stable operation.In order to improve the prediction accuracy of short-term load prediction, an improved gray wolf search algorithm is proposed to optimize the support vector machine (SVM) model for short-term cloud computing resource load prediction.The basic principle of gray wolf search algorithm (GWO) is introduced, then an improved GWO model based on extremum optimization is proposed. Finally, the short-term resource load prediction model is established according to the optimal parameters, and the performance of EGWO-SVM is tested by simulation experiments.The experimental results show that EGWO-SVM can more accurately describe the complex trends of cloud computing short-term resource load than the reference model, thus effectively improve the accuracy of short-term prediction of cloud computing resource load.
【作者單位】： 浙江農(nóng)林大學(xué)浙江省林業(yè)智能監(jiān)測(cè)與信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室;合肥工業(yè)大學(xué)計(jì)算機(jī)與網(wǎng)絡(luò)系統(tǒng)研究所;
【基金】：國(guó)家自然科學(xué)基金(No.71131002) 浙江農(nóng)林大學(xué)人才啟動(dòng)項(xiàng)目(No.2014FR082) 浙江省自然科學(xué)基金(No.LQ17G010003)
【分類(lèi)號(hào)】：TP18;TP3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張彩琴,霍鴻宇;產(chǎn)品價(jià)格供求的適應(yīng)性短期預(yù)測(cè)的適應(yīng)性的數(shù)學(xué)模型[J];科學(xué)管理研究;1998年03期

2 徐靜;張碩;;太陽(yáng)能帆板輸出功率短期預(yù)測(cè)研究[J];計(jì)算機(jī)與數(shù)字工程;2012年08期

3 姜波;許競(jìng);;粒子濾波在農(nóng)作物產(chǎn)能短期預(yù)測(cè)中的應(yīng)用[J];江蘇農(nóng)業(yè)科學(xué);2012年03期

4 郝建忠;楊鎖昌;;導(dǎo)彈儲(chǔ)運(yùn)狀態(tài)新指標(biāo)及其短期預(yù)測(cè)ARMA模型[J];電子產(chǎn)品世界;2013年04期

5 趙安平;王曉東;肖金科;梁建平;王川;趙友森;;農(nóng)產(chǎn)品價(jià)格短期預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2014年04期

6 徐人鶴;郭順生;;基于食物鏈算法的新產(chǎn)品訂單短期預(yù)測(cè)與優(yōu)化[J];機(jī)械工程師;2013年05期

7 周廣惠;;基于支持向量機(jī)的企業(yè)用電量的短期預(yù)測(cè)[J];電腦開(kāi)發(fā)與應(yīng)用;2009年11期

8 郭白奇,胡細(xì)如;甘肅省工業(yè)月產(chǎn)值預(yù)測(cè)系統(tǒng)[J];計(jì)算機(jī)應(yīng)用研究;1989年03期

9 肖健華;林健;劉晉;;基于SVR的區(qū)域經(jīng)濟(jì)短期預(yù)測(cè)模型[J];系統(tǒng)仿真學(xué)報(bào);2005年12期

10 郝華寧;劉陽(yáng);;基于遺傳神經(jīng)網(wǎng)絡(luò)的個(gè)股價(jià)格短期預(yù)測(cè)[J];西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

相關(guān)會(huì)議論文 前1條

1 林健;朱幫助;;基于LS-SVM的區(qū)域經(jīng)濟(jì)短期預(yù)測(cè)[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前6條

1 ;2017年全球鋼消費(fèi)再增長(zhǎng)71%[N];世界金屬導(dǎo)報(bào);2008年

2 江偉;強(qiáng)地震短期預(yù)測(cè)及救災(zāi)技術(shù)有重要進(jìn)展[N];科技日?qǐng)?bào);2004年

3 記者 王曄君;京企信心指數(shù)跌至三年低點(diǎn)[N];北京商報(bào);2012年

4 記者　韓曉霞;美國(guó)能源部發(fā)布能源短期預(yù)測(cè)[N];中國(guó)石油報(bào);2006年

5 張均;2017年全球鋼消費(fèi)將再增長(zhǎng)71%[N];中國(guó)貿(mào)易報(bào);2008年

6 本報(bào)記者 徐翼;發(fā)展中國(guó)家飽受減速摧殘[N];中華工商時(shí)報(bào);2001年

相關(guān)博士學(xué)位論文 前3條

1 楊志凌;風(fēng)電場(chǎng)功率短期預(yù)測(cè)方法優(yōu)化的研究[D];華北電力大學(xué)（北京）;2011年

2 王揚(yáng);風(fēng)電短期預(yù)測(cè)及其并網(wǎng)調(diào)度方法研究[D];浙江大學(xué);2011年

3 陳道君;風(fēng)電功率短期預(yù)測(cè)與并網(wǎng)低碳調(diào)度研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前8條

1 李翠;基于三維實(shí)時(shí)數(shù)據(jù)的風(fēng)速短期預(yù)測(cè)研究[D];哈爾濱理工大學(xué);2012年

2 王芳;鐵路客運(yùn)量短期預(yù)測(cè)方法的研究[D];北京交通大學(xué);2007年

3 張博;混沌支持向量機(jī)風(fēng)速短期預(yù)測(cè)及其在pcDuino平臺(tái)實(shí)現(xiàn)[D];中北大學(xué);2014年

4 孫本瑤;中國(guó)CPI的實(shí)時(shí)預(yù)報(bào)與短期預(yù)測(cè)[D];華僑大學(xué);2015年

5 邢婷婷;基于EEMD的公路客流短期預(yù)測(cè)研究[D];長(zhǎng)春工業(yè)大學(xué);2015年

6 周玉佳;城市能耗的短期預(yù)測(cè)組合模型研究[D];華南理工大學(xué);2010年

7 邵t，

本文編號(hào)：1716465