科学应用中有损压缩的精确性能建模与不确定性分析

科学应用通常产生大量浮点数据，使得有损压缩成为数据缩减的最有效方法之一，从而降低存储需求并提升大规模应用的性能。然而，压缩时间的变化可能因调度不准确、工作负载不均衡等原因显著影响整体性能提升。现有方法依赖经验方法预测压缩性能，往往缺乏可解释性，且在准确性和泛化能力方面存在局限。在本文中，我们提出了用于预测基于预测的有损压缩压缩时间的代理模型，并对影响时间变化的因素进行了详细的不确定性分析。评估结果表明，我们的方案能够在六个科学数据集上以5%的平均误差准确预测压缩时间，同时提供精确的95%置信区间，这对时间敏感的调度和应用至关重要。