期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于组合注意力模型EAAT的云KPI数据预测方法
1
作者
丁建立
龚子恒
《南京信息工程大学学报(自然科学版)》
CAS
北大核心
2023年第6期652-661,共10页
为了准确分析云计算集群日常监控中KPI(Key Performance Indicator)数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA (EAAT)云KPI数据预测方法.首先基...
为了准确分析云计算集群日常监控中KPI(Key Performance Indicator)数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA (EAAT)云KPI数据预测方法.首先基于经验小波变换(Empirical Wavelet Transform, EWT)得到云KPI数据低中高频的内在模态变量(Intrinsic Mode Functions, IMFs)降低数据预测的复杂程度.其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer、TPA-BiLSTM模型对每类IMFs进行预测.最后,将分类预测后结果经过逆变换IEWT加以合并得出预测结果.本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比对比模型有较大提升.
展开更多
关键词
云KPI数据
时序
预测
方法
经验小波变换
组合注意力模型
双向长短时记忆网络
下载PDF
职称材料
全矢-ARMA模型在机械振动强度预测研究的应用
2
作者
韩捷
吴彦召
+2 位作者
陈磊
郝旺身
张钱龙
《郑州大学学报（工学版）》
CAS
北大核心
2016年第6期43-47,共5页
单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障的预测.通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全...
单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障的预测.通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型,并把该方法应用到机械振动强度预测研究中.实验表明,该方法预测结果与实际较吻合.
展开更多
关键词
全矢谱
ARMA模型
强度
预测
信息融合
时序
预测
方法
下载PDF
职称材料
题名
基于组合注意力模型EAAT的云KPI数据预测方法
1
作者
丁建立
龚子恒
机构
中国民航大学计算机科学与技术学院
出处
《南京信息工程大学学报(自然科学版)》
CAS
北大核心
2023年第6期652-661,共10页
基金
国家自然科学基金民航联合基金项目(U2033205,U1833114)。
文摘
为了准确分析云计算集群日常监控中KPI(Key Performance Indicator)数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA (EAAT)云KPI数据预测方法.首先基于经验小波变换(Empirical Wavelet Transform, EWT)得到云KPI数据低中高频的内在模态变量(Intrinsic Mode Functions, IMFs)降低数据预测的复杂程度.其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer、TPA-BiLSTM模型对每类IMFs进行预测.最后,将分类预测后结果经过逆变换IEWT加以合并得出预测结果.本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比对比模型有较大提升.
关键词
云KPI数据
时序
预测
方法
经验小波变换
组合注意力模型
双向长短时记忆网络
Keywords
cloud KPI data
time series prediction
empirical wavelet transform(EWT)
combined attention model
bidirectional long short-term memory(BiLTSM)network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
全矢-ARMA模型在机械振动强度预测研究的应用
2
作者
韩捷
吴彦召
陈磊
郝旺身
张钱龙
机构
郑州大学振动工程研究所
出处
《郑州大学学报（工学版）》
CAS
北大核心
2016年第6期43-47,共5页
基金
国家自然科学基金资助项目(51405453)
河南省教育厅科学技术研究重点项目(13A460673)
文摘
单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障的预测.通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型,并把该方法应用到机械振动强度预测研究中.实验表明,该方法预测结果与实际较吻合.
关键词
全矢谱
ARMA模型
强度
预测
信息融合
时序
预测
方法
Keywords
full vector spectrum
ARMA model
strength prediction
information fusion
time-series forecas-ting method
分类号
TH16 [机械工程—机械制造及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于组合注意力模型EAAT的云KPI数据预测方法
丁建立
龚子恒
《南京信息工程大学学报(自然科学版)》
CAS
北大核心
2023
0
下载PDF
职称材料
2
全矢-ARMA模型在机械振动强度预测研究的应用
韩捷
吴彦召
陈磊
郝旺身
张钱龙
《郑州大学学报（工学版）》
CAS
北大核心
2016
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
