面向区块链节点负载预测的ARIMA组合预测方法

准确预测服务器的剩余负载率可以合理地分配系统资源,提高系统的资源使用率。为了能有效提高区块链应用中各节点剩余负载率序列预测的准确度,提出了一种差分自回归移动平均(AutoregressiveIntegrated MovingAverage,ARIMA)模型、BP神经网络以及局部异常因子(Local Outlier Factor, LOF)算法的组合预测模型。对比ARIMA模型、ARIMA-BP模型、LOFARIMA-BP模型的预测结果,比较三个模型的预测能力。实验结果表明,LOF-ARIMA-BP组合模型的预测精度优于ARIMA模型以及ARIMA-BP模型。