计算需求的自回归时间序列预测
分布式、并行与集群计算
2007-11-15 v1
摘要
我们研究了自回归移动平均模型在预测 PlanetLab 和 Tycoon 两个共享计算网络中的需求时的预测能力。这些网络中的需求波动剧烈，而用于提前规划使用的预测技术可显著改善所获得的性能。我们的主要发现是：随机游走预测器在一步超前预测中表现最佳，而 ARIMA(1,1,0) 和自适应指数平滑模型在两步和三步超前预测中表现更好。我们提出了一种 Monte Carlo bootstrap 检验，以任意置信度和统计显著性水平评估不同模型的连续预测性能。尽管 Tycoon 和 PlanetLab 网络的预测结果存在差异，但我们观察到非常相似的整体统计特性，如波动动力学。
引用
@article{arxiv.0711.2062,
title = {Autoregressive Time Series Forecasting of Computational Demand},
author = {Thomas Sandholm},
journal= {arXiv preprint arXiv:0711.2062},
year = {2007}
}