典型文献
基于ARIMA-LSTM的容器云资源预测方法
文献摘要：
边缘计算充分使用了网络边缘的网络资源、存储资源和计算资源,使任务可以在网络边缘进行处理,充分保证了服务的实时性和高健壮性.目前,边缘计算存在资源管理的高效性以及稳定性问题.因此,提出了一种 Autoregressive Integrated Moving Average model(ARIMA)-Long Short-Term Memory(LSTM)混合模型的容器云资源预测方法,解决了单个预测算法不能同时求解容器云资源需求量数据中的线性分量和非线性分量问题.该模型使用自回归综合移动平均模型(ARIMA)来预测资源需求量中的线性分量,并使用长短期记忆模型(LSTM)来预测非线性分量.结合容器云平台监测数据,使用ARIMA-LSTM模型对未来容器云资源需求量进行预测,并与ARIMA模型,LSTM模型进行比较.最后,实验结果表明该混合模型可以有效提高预测的准确性.
文献关键词：
边缘计算;时间序列预测;ARIMA;LSTM
中图分类号：
作者姓名：
徐江;张晨飞;王富强;鲍丹;屠海;王怀军
作者机构：
中国重型机械研究院股份公司,陕西西安710018;西安理工大学,陕西西安710048;甘肃酒钢集团宏兴钢铁股份有限公司,甘肃嘉峪关735100
文献出处：
引用格式：
[1]徐江;张晨飞;王富强;鲍丹;屠海;王怀军-.基于ARIMA-LSTM的容器云资源预测方法)[J].重型机械,2022(06):6-14
A类：
云资源预测
B类：
ARIMA,容器云资源,边缘计算,网络边缘,网络资源,存储资源,计算资源,充分保证,高健,健壮性,Autoregressive,Integrated,Moving,Average,model,Long,Short,Term,Memory,混合模型,预测算法,资源需求,线性分量,模型使用,自回归综合移动平均,长短期记忆模型,容器云平台,时间序列预测
AB值：
0.305615
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。
