基于LSTM算法的云资源库存需求预测.pdf
《基于LSTM算法的云资源库存需求预测.pdf》由会员分享,可在线阅读,更多相关《基于LSTM算法的云资源库存需求预测.pdf(3页珍藏版)》请在咨信网上搜索。
1、信息与电脑2023年第10 期Information&Computer数据库技术基于LSTM算法的云资源库存需求预测薛宇飞(西安财经大学管理学院,陕西西安7 10 10 0)摘要:针对云资源库存需求存在着预测实际效果差等问题,通过分析云资源库存需求历史数据的时间序列特征构建长短期记忆(LongShortTermMemory,L ST M)模型,使用A公司数据集设计LSTM与Prophet的对比实验。结果表明,与Prophet算法相比,LSTM网络模型能够较好地预测云资源库存需求的变化趋势,且预测误差较低。关键词:云资源;库存预测;长短期记忆(LSTM)网络;Prophet模型中图分类号:TP3
2、91Cloud Resource Inventory Demand Forecast Based on LSTM Algorithm文献标识码:A文章编号:10 0 3-9 7 6 7(2 0 2 3)10-19 7-0 3XUEYufei(Xian University of Finance and Economics,School of Management,Xian Shaanxi 710100,China)Abstract:In view of the problems of poor prediction of actual effect of cloud resource inve
3、ntory demand,Long Short TermMemory(LSTM)model was constructed by analyzing the time series characteristics of historical data of cloud resource inventorydemand,and a companys data set was used to design a comparative experiment between LSTM and Prophet.The results showthat compared with Prophet algo
4、rithm,LSTM network model can better predict the change trend of cloud resource inventorydemand,and the prediction error is lower.Keywords:cloud resources;inventory forecasting;Long Short Term Memory(LSTM)network;Prophet model0引言研究云资源库存需求预测可以帮助云计算服务提供商更好地管理资源库存,提高资源利用率,降低成本,改善服务质量。对于云计算用户而言,研究云资源库存需求
5、预测可以提高用户的满意度,更好地满足其需求。此外,研究云资源库存需求预测可以为云计算领域的发展提供理论支撑,促进云计算技术的创新和进步。当前,研究人员对云资源预测的研究可以分为基于时间序列模型和基于机器学习算法模型两类。基于时间序列模型中,JING等人提出了一种基于集成经验模态分解的云计算资源需求预测方法;石瑾挺等人提出了一种基于指数平滑的Stacking集成预测模型,将线性回归模型作为集成模型拟合多组指数平滑预测值2。基于机器学习算法中,杨云等人提出了一种基于卷收稿日期:2 0 2 3-0 3-0 6作者简介:薛宇飞(19 9 7 一),男,陕西铜川人,硕士研究生。研究方向:数据挖掘。积网络
6、与支持向量机的云资源预测模型,并利用遗传算法优化支持向量回归预测性能 3;谢晓兰等人针对云资源时间序列的预测问题,构建了基于概率预测和改进的多层长短时记忆网络的云资源预测模型 4,王悦悦等人结合神经网络的高效学习能力与自适应调整的学习率,提出了一种基于自适应神经网络的云资源预测模型 5。文章提出了一种基于长短期记忆(Long Short TermMemory,L ST M)算法模型的云资源库存需求预测方法,并在数据集上进行对比测试。实验结果表明,相较于Prophet模型,设计的LSTM模型具有更优的预测效果。1LSTM预测模型原理LSTM是一种常用于处理序列数据的深度学习算法,主要用于解决长期
7、依赖问题。LSTM的主要思想是基于传统的循环神经网络(RecurrentNeural Network,RNN)增加门控机制,以控制信息的流动和保留。197一信息与电脑数据库技术Information&ComputerLSTM包括输人门、遗忘门、输出门共3个门。其中,输人门用于控制新的输入数据对于当前状态的影响,遗忘门用于控制之前的状态对于当前状态的影响,输出门用于控制当前状态对于后续状态的影响。1.1遗忘门遗忘门用于控制过去的信息是否应该被保留。遗忘门的输出是一个0 1的数字,表示应该保留多少过去的信息,具体的表达公式为J,=oW,(h-1,x,)+b,式中:f为遗忘门;为激活函数;hti为上
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LSTM 算法 资源 库存 需求预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。