Holt双参数指数平滑预测需要的物理机个数

Wesley13
• 阅读 477

云计算中的数据是可以有规律的 是可以被预测的。

Holt双参数指数平滑预测方法可以很好的对这种时间相关的数据进行预测

Holt双参数指数平滑的方法原理如下

指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测,所有预测方法中,指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用;移动平均法则不考虑较远期的数据,并在加权移动平均法中给予近期资料更大的权重;而指数平滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐渐减弱的影响程度,即随着数据的远离,赋予逐渐收敛为零的权数。  

Holt双参数指的是算法中有两个参数 α表示最近数据对未来数据的影响权重,bt-1表示数据的长期走势,是对数据滞后的一种补充。

数据的预测过程

­其中反映长期趋势的公式为:

Holt双参数指数平滑预测需要的物理机个数

­反映长期趋势增量的公式为:

Holt双参数指数平滑预测需要的物理机个数

­预测模型为:

Holt双参数指数平滑预测需要的物理机个数

使用的模拟器是cloudSIm3.0.3

实验室用是20110303的数据 

预测的重要代码是

private int predictNumberFromHistory(Integer Yt,double a,double b) {
        
        // TODO Auto-generated method stub
    //    int numberUsedNow = getNumbeOfHostedBeingUsed();
        int Tt=(int)(a*Yt+(1-a)*(NumberOfT_1+BT_1));
        double  BT=b*(Tt-NumberOfT_1)+(1-b)*BT_1;
        int ret =(int)(Tt+BT);
        NumberOfT_1=Tt;
        BT_1=BT;
    //    System.out.println("Tt "+Tt+" BT "+BT_1+" T_1 "+ NumberOfT_1+" ret "+ret);
        return ret;
    }

实验的结果为

Holt双参数指数平滑预测需要的物理机个数

参考http://wiki.mbalib.com/wiki/%E6%8C%87%E6%95%B0%E5%B9%B3%E6%BB%91%E6%B3%95

点赞
收藏
评论区
推荐文章
联邦GNN综述与经典算法介绍
联邦学习和GNN都是当前AI领域的研究热点。联邦学习的多个参与方可以在不泄露原始数据的情况下,安全合规地联合训练业务模型,目前已在诸多领域取得了较好的结果。GNN在应对非欧数据结构时通常有较好的表现,因为它不仅考虑节点本身的特征还考虑节点之间的链接关系及强度,在诸如:异常个体识别、链接预测、分子性质预测、地理拓扑图预测交通拥堵等领域均有不俗表现。
Wesley13 Wesley13
2年前
ICRA 2020轨迹预测竞赛冠军的方法总结
行人轨迹预测问题是无人驾驶技术的重要一环,已成为近年来的一项研究热点。在机器人领域国际顶级会议ICRA2020上,美团无人配送团队在行人轨迹预测竞赛中夺冠,本文系对该预测方法的一些经验总结,希望能对大家有所帮助或者启发。!(https://oscimg.oschina.net/oscnet/upf313cd0cb866d5bba4c01d78f6
Stella981 Stella981
2年前
Scrum 工件: 速度图和燃尽图
速度图Velocity用于衡量scrum团队持续提供业务价值的速度,可以采用历史估算的方法,衡量一个又一个sprint的速度。团队通过跟踪完成达到自己团队完成标准的故事点的数量,就可以基于相对点值对未来需要完成的新的用户故事需要花费多长时间有一个比较可靠的预测。!image.png(https://wtbox.worktile
Wesley13 Wesley13
2年前
# URL异常检测
(IsolationForest无监督)这个算法是随机森林的推广。iTree树构造:随机选一个属性,再随机选该特征的一个值,对样本进行二叉划分,重复以上操作。iTree构建好了后,就可以对数据进行预测啦,预测的过程就是把测试记录在iTree上走一下,看测试记录落在哪个叶子节点。iTree能有效检测异常的假设是:异常点一般都是非常稀有的,在iTree中会
Wesley13 Wesley13
2年前
Uber 业务预测系统实践
Forecastingisubiquitous如何利用预测来构建更好的产品和服务定量预测方法可分为:基于模型(modelbased)或因果关系,统计方法(statisticalmethods)和机器学习方法(machinelearningapproaches)Forecasti
Wesley13 Wesley13
2年前
AAAI 2021论文:利用深度元学习对城市销量进行预测(附论文下载)
对于线上和线下的零售行业,销量预测都是一项至关重要的任务,它可以帮助企业更好的预备库存以及在各个仓库之间分配商品。特别是在大型购物节期间,强劲的促销活动将极大地促进消费。然而,可供参考的历史数据却非常稀缺。如何同时对城市的不同区域和不同时间段的销量进行预测,是一个非常具有挑战的问题。在2020年12月收录的AAAI2021(CCFA类)上,京东城市被
API 小达人 API 小达人
9个月前
印度 SaaS 市场的预测
根据我们有限的数据,初步显示印度SaaS企业比美国同行要高效得多。全球最佳SaaS公司在13千万美元ARR时销售效率约为70%。随着业务收入增长,当公司达到规模(例如1亿美元ARR)时,效率会下降至3040%。换句话说,在查看BVP纳斯达克新兴云指数时,中位数效率为3540%。相比之下,即使这些企业接近1亿美元ARR时,大多数印度SaaS公司的销售效率也在80100%或更高。
流浪剑客 流浪剑客
7个月前
PS一键磨皮插件Delicious Retouch for Mac 中文版
是一款优秀的Photoshop人像美容磨皮插件,它包含多种适用于人像修饰的功能,可以快速进行人像美容修饰,适用于影楼快速美容磨皮以及摄影师人像后期处理等方面。这款插件中的功能非常多样,包括了“皮肤平滑工具”,“卸妆”,“频率分离”,“音调变换器”,“双视图
E小媛同学 E小媛同学
6个月前
日出日落的气象意义:探索日出日落查询API在天气预测中的应用
当谈论气象意义时,日出和日落都是天文现象中的重要组成部分。它们不仅是自然界美妙的展示,更对天气预测有着深远的影响。而如今,随着科技的发展,日出日落查询API在天气预测中的应用正在变得越来越重要。
秦朗 秦朗
3个月前
手把手带你基于Pytorch搭建YOLOV5自己的目标检测平台
//下仔のke:https://yeziit.cn/14489/YOLOv5是一种目标检测算法,是YOLO系列算法中的一个版本。它采用了类似于anchorbox的方法来预测物体的位置和大小,并通过回归的方式对物体的位置和大小进行预测。相比之前的YOLO版本