一种基于SARIMA-WNN模型预测弹性云计算资源的方法

摘要

本发明公开了一种基于SARIMA‑WNN模型预测弹性云计算资源的方法，利用季节时间序列模型(SARIMA)结合小波神经网络(WNN)预测模型，实现优势互补，提高预测精度；SARIMA是在ARIMA模型的基础上加入了季节周期性因素，将过去一段周期性的云资源需求数据输入到SARIMA(q，d，q)(P，D，Q)s模型中,分别得出d、p、q、D、P、Q；运用SARIMA模型进行对平稳化序列后的代码进行预测，通过预测可以得出预测结果标记为以及L残差值标记为rt；利用训练样本对WNN网络进行训练得出符合预测弹性云资源的模型，然后针对残差序列rt进行预测，把预测结果标记为；最后得到SARIMA‑WNN组合模型预测的结果，本发明解决了单一模型不准确以及其他组合模型效果差等问题。