首页|期刊导航|重型机械|基于ARIMA-LSTM的容器云资源预测方法

基于ARIMA-LSTM的容器云资源预测方法OA

中文摘要

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…查看全部>>

徐江;张晨飞;王富强;鲍丹;屠海;王怀军

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西安理工大学,陕西西安710048

矿业与冶金

边缘计算时间序列预测ARIMALSTM

《重型机械》 2022 (6)

P.6-14,9

评论

您当前未登录!去登录点击加载更多...