由于嵌入式中央处理器(Central Processing Unit, CPU)负载需要同时考虑CPU利用率、内存利用率等相关因素,导致对其预测时难度较大且无法保证精准度。因此,提出一种新的自适应预测算法。构建嵌入式CPU负载预测框架,对其负载数据预处理,...由于嵌入式中央处理器(Central Processing Unit, CPU)负载需要同时考虑CPU利用率、内存利用率等相关因素,导致对其预测时难度较大且无法保证精准度。因此,提出一种新的自适应预测算法。构建嵌入式CPU负载预测框架,对其负载数据预处理,降低非平稳数据对预测结果精度的影响;在整合移动平均自回归模型中加入周期变动因素,构建季节性差分自回归滑动平均模型,分析CPU负载数据时间序列变化特征;并对其迭代计算,得到季节性差分自回归滑动平均模型的参数和CPU负载预测结果。实验结果表明,所提方法的MAPE值低于25%,表明该方法的预测精度高。展开更多
文摘由于嵌入式中央处理器(Central Processing Unit, CPU)负载需要同时考虑CPU利用率、内存利用率等相关因素,导致对其预测时难度较大且无法保证精准度。因此,提出一种新的自适应预测算法。构建嵌入式CPU负载预测框架,对其负载数据预处理,降低非平稳数据对预测结果精度的影响;在整合移动平均自回归模型中加入周期变动因素,构建季节性差分自回归滑动平均模型,分析CPU负载数据时间序列变化特征;并对其迭代计算,得到季节性差分自回归滑动平均模型的参数和CPU负载预测结果。实验结果表明,所提方法的MAPE值低于25%,表明该方法的预测精度高。
