计算机应用

作者：姚军, 刘明

单位：西安科技大学 通信与信息工程学院，西安 710054

关键词：负载预测,凌日搜索,云计算,参数寻优,长短期记忆网络,差分自回归移动平均

基金：中国高校产学研创新基金资助项目(2021KSA05005)

针对云平台资源调度面临的资源浪费和性能挑战，尤其是长短期记忆（LSTM）网络模型的超参数人工选值困难导致的云资源预测精度不足的问题，提出一种基于凌日搜索（TS）算法优化的组合预测模型TS-ARIMA-LSTM。该组合预测模型为差分自回归移动平均（ARIMA）模型和LSTM模型结合。首先，使用TS算法对LSTM模型的超参数进行寻优，包括3层神经元数和滞后值；其次，使用寻优后的LSTM模型进行初步预测，并使用ARIMA模型修正LSTM预测的误差；最后，将ARIMA模型和LSTM模型的预测结果结合得到最终的预测值。在阿里云公开数据集Cluster-trace-v2018上的实验结果显示，相较于传统的单一预测模型ARIMA和LSTM，以及组合预测模型ARIMA-LSTM，基于TS算法优化的所提模型在预测精度上有显著提升，具体表现为：与基线最优的ARIMA-LSTM模型相比，所提模型的均方误差（MSE）减小了49.72%，均方根误差（RMSE）减小了29.24% ，而平均绝对误差（MAE）减小了33.94%。可见，该模型在云资源预测中的应用展现了较高的预测精度，为改善云平台的任务调度策略提供了新路径。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期