基于ARIMA和CART的負載預測模型

摘要：主機資源的負載預測對其運營維護工作具有重要意義.傳統負載預測方法通常采用線性時間序列模型擬合負載數據,而負載受復雜的內外部環境影響,線性模型無法很好地表征負載數據規律.為提高模型的精度,提出將負載信息分解為線性部分和非線性部分的思想,并將自回歸差分滑動平均(autoregressive integrated moving average,ARIMA)模型和分類回歸樹(classification and regression tree,CART)模型相結合進行預測.通過加權最小二乘法改進的ARIMA預測線性部分,通過邊界判定優化的CART預測非線性部分,并結合兩者獲得綜合預測結果.在真實負載數據集下進行對比實驗,結果表明,改進后的算法預測精度相比傳統方法提高了15%以上,且對偏遠值和不同的時間間隔都均有良好的適應性.