文献类型：期刊文章

作　　者：林涛[1] 冯竞凯[1] 郝章肖[1] 黄少群[2]

LIN Tao;FENG Jing-kai;HAO Zhang-xiao;HUANG Shao-qun(School of Artificial Intelligence,Hebei University of Technology,Tianjin 300401;School of Management,Harbin University of Commerce,Harbin 150000,China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300401 [2]哈尔滨商业大学管理学院,黑龙江哈尔滨150000

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金(61976242)。

年　　份：2020

卷　　号：42

期　　号：7

起止页码：1168-1173

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、JST、ZGKJHX、核心刊

摘　　要：随着云计算技术的不断发展,云计算资源负载变化呈现出越来越复杂的特征。针对云计算资源的负载预测问题,综合考虑云计算环境中资源负载时间序列的线性与非线性特性,提出了一种基于自回归移动平均模型ARIMA与长短期记忆网络LSTM的组合预测模型LACL。使用公开数据集与传统负载预测模型进行了对比实验,实验结果表明,该云计算资源组合预测模型预测精度明显高于其他预测模型,显著降低了云环境中对资源负载的实时预测误差。

关 键 词：云计算 资源管理 负载预测  LSTM  ARIMA

分 类 号：TP391]