基于ARIMA-LSTM的容器云资源预测方法
徐江1
张晨飞2
王富强1
鲍丹2
屠海3
王怀军2
1.中国重型机械研究院股份公司,陕西西安7100182.西安理工大学,陕西西安7100483.甘肃酒钢集团宏兴钢铁股份有限公司,甘肃嘉峪关735100
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.
关键词：边缘计算时间序列预测ARIMALSTM
分类号：TG156(金属学与热处理)
资助基金：国家重点研发计划(2018YFB1703000)
论文发表日期：2022-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 6-14 )
英文信息