典型文献
基于IF-EMD-LSTM的数据中心CPU负载预测
文献摘要：
针对数据中心服务器运行过程中CPU负载变化不能被准确预测的问题,分别建立了整合移动平均自回归模型(ARI-MA)和长短时记忆人工神经网络(LSTM)的CPU负载预测模型.由于上述模型缺少对原始数据的数据处理和人工智能算法局限性的考虑,故构建了基于孤立森林算法(IF)、经验模态分解(EMD)和LSTM的CPU负载组合预测方法(IEBL).对所建的三种模型进行参数求解和仿真并与实验结果对比,组合预测模型的平均相对误差降低了 8.71％～18.72％.结果表明,组合预测模型预测精度明显高于单一预测模型,在服务器CPU负载预测领域有广泛的应用前景.
文献关键词：
孤立森林;经验模态分解;长短时记忆网络;负载预测
中图分类号：
作者姓名：
李国;陈茜
作者机构：
中国民航大学计算机科学与技术学院,天津300300
文献出处：
引用格式：
[1]李国;陈茜-.基于IF-EMD-LSTM的数据中心CPU负载预测)[J].计算机仿真,2022(07):37-41,370
A类：
IEBL
B类：
IF,EMD,数据中心,CPU,负载预测,中心服务器,负载变化,准确预测,整合移动平均自回归模型,ARI,MA,人工神经网络,原始数据,人工智能算法,算法局限性,孤立森林算法,经验模态分解,组合预测方法,结果对比,组合预测模型,平均相对误差,长短时记忆网络
AB值：
0.282421
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
