本文關(guān)鍵詞：基于時間序列的網(wǎng)盤容量趨勢預(yù)測算法的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展和信息技術(shù)的進(jìn)步,人們對存儲的要求越來越高,無論是存儲容量的要求還是存儲便捷性的要求。隨之而來的影響就是存儲已經(jīng)從物理存儲如優(yōu)盤、移動硬盤等不是非常便捷的方式逐漸向虛擬存儲如網(wǎng)盤等發(fā)展。網(wǎng)民數(shù)量日益增加,網(wǎng)盤容量也變得越來越大。對于網(wǎng)盤提供者而言保證網(wǎng)盤容量的穩(wěn)定性成為至關(guān)重要的任務(wù)。同時需要從公司利益出發(fā),不能出現(xiàn)閑置浪費(fèi)資源。因此如何能夠比較準(zhǔn)確的掌握網(wǎng)盤容量的趨勢,根據(jù)容量的變化來做出決策,無疑是各個網(wǎng)盤提供商所迫切需要的。在對網(wǎng)盤容量數(shù)據(jù)進(jìn)行分析研究階段,論文首先系統(tǒng)地對調(diào)研得到的數(shù)據(jù)進(jìn)行研究和分析,針對數(shù)據(jù)的特點(diǎn),利用數(shù)據(jù)挖掘的理論知識,對常見的趨勢預(yù)測算法進(jìn)行了學(xué)習(xí)和研究,并對各個算法進(jìn)行了對比和測試,最后根據(jù)實際情況采用了在具體實現(xiàn)上使用中值濾波的方式進(jìn)行椒鹽噪聲的去噪,使用滑動平均的方式進(jìn)行高斯噪聲的去噪,使用這兩種方式來進(jìn)行數(shù)據(jù)的預(yù)處理。其次,使用t檢驗的方式結(jié)合正態(tài)分布3sigma理論進(jìn)行異常點(diǎn)的檢測,來提取出影響預(yù)測的異常點(diǎn),并略過這些點(diǎn),最后,采用線性擬合的方法對處理后的數(shù)據(jù)進(jìn)行了線性擬合,從而提出了與自身的實際應(yīng)用切合的基于時間序列的趨勢預(yù)測算法。在容量的預(yù)測分析階段,本文進(jìn)行了詳盡的實驗,并對實驗的結(jié)果進(jìn)行了對比,在一些參數(shù)的選定上也經(jīng)過了大量的實驗驗證,從而確保了算法整體的可靠性。最后,使用本文的容量趨勢預(yù)測算法,針對實際產(chǎn)生的數(shù)據(jù)進(jìn)行了一段時間的實驗和統(tǒng)計,將統(tǒng)計得到的預(yù)測結(jié)果與真實的結(jié)果進(jìn)行了對比,誤差符合預(yù)期。
【關(guān)鍵詞】：網(wǎng)盤容量 趨勢預(yù)測 中值濾波 滑動平均 線性擬合 異常檢測
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP333
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-15
• 1.1 研究背景和研究問題8-9
• 1.2 研究歷史與現(xiàn)狀及存在問題9-13
• 1.3 研究目標(biāo)13
• 1.4 研究內(nèi)容與成果13
• 1.5 研究價值和意義13-14
• 1.6 論文組織框架14-15
• 第二章 相關(guān)知識和算法研究15-22
• 2.1 容量時間序列數(shù)據(jù)分析15-16
• 2.1.1 數(shù)據(jù)來源與格式15
• 2.1.2 數(shù)據(jù)特點(diǎn)15-16
• 2.1.3 數(shù)據(jù)質(zhì)量問題16
• 2.2 常見的基于時間序列數(shù)據(jù)的趨勢預(yù)測算法16-22
• 2.2.1 時間序列經(jīng)驗預(yù)測方法16-19
• 2.2.2 時間序列線性預(yù)測模型19-22
• 第三章 預(yù)測算法的提出22-34
• 3.1 算法需解決的問題22-23
• 3.1.1 實際數(shù)據(jù)存在的問題22-23
• 3.1.2 已有算法存在問題23
• 3.2 算法的形成23-30
• 3.2.1 去除椒鹽噪聲23-25
• 3.2.2 去除高斯噪聲25-27
• 3.2.3 精確識別拐點(diǎn)27-28
• 3.2.4 檢測異常點(diǎn)28-29
• 3.2.5 線性擬合29-30
• 3.3 算法整體概述30-34
• 3.3.1 算法描述30-31
• 3.3.2 算法實現(xiàn)31-34
• 第四章 實驗與分析34-40
• 4.1 窗口大小的選擇實驗34-35
• 4.2 中值慮波實驗35-36
• 4.3 滑動平均試驗36-37
• 4.4 拐點(diǎn)的識別實驗37-38
• 4.5 異常點(diǎn)檢測實驗38
• 4.6 線性擬合實驗38
• 4.7 預(yù)測結(jié)果分析與對比實驗38-40
• 第五章 算法的應(yīng)用40-45
• 5.1 項目總體架構(gòu)40
• 5.2 模塊功能介紹40-41
• 5.3 模塊設(shè)計41-42
• 5.3.1 服務(wù)模塊設(shè)計42
• 5.3.2 調(diào)度模塊設(shè)計42
• 5.3.3 預(yù)測算法模塊設(shè)計42
• 5.3.4 權(quán)限42
• 5.3.5 分布式化42
• 5.4 算法效果42-44
• 5.4.1 預(yù)測的準(zhǔn)確性42-44
• 5.4.2 算法的實際收益44
• 5.5 運(yùn)行環(huán)境及開發(fā)技術(shù)44
• 5.6 項目展示44-45
• 第六章 總結(jié)與展望45-47
• 6.1 總結(jié)45
• 6.2 展望45-47
• 參考文獻(xiàn)47-49
• 致謝49

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 張燕;;一種改進(jìn)的快速中值濾波算法[J];安徽建筑工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2008年04期

2 裴益軒;郭民;;滑動平均法的基本原理及應(yīng)用[J];火炮發(fā)射與控制學(xué)報;2001年01期

3 胡江紅;於香;;指數(shù)平滑法的研究和應(yīng)用[J];中國商界(上半月);2010年08期

4 楊啟文;蔡亮;薛云燦;;差分進(jìn)化算法綜述[J];模式識別與人工智能;2008年04期

5 辛玨;季江川;;差分—指數(shù)平滑預(yù)測模型在門診人次預(yù)測中的應(yīng)用[J];中國病案;2009年05期

6 杜奕;盧德唐;李道倫;趙亦朋;;一種快速的時間序列線性擬合算法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2007年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王博;基于線性回歸和神經(jīng)網(wǎng)絡(luò)的預(yù)測模型在國民經(jīng)濟(jì)數(shù)據(jù)中的應(yīng)用[D];吉林大學(xué);2012年

2 王赫楠;時間序列的線性化表示研究[D];遼寧師范大學(xué);2012年

  本文關(guān)鍵詞：基于時間序列的網(wǎng)盤容量趨勢預(yù)測算法的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：288923