基于Prophet-DeepAR模型的Web流量预测

Web流量预测一直是数据中心网络的热点问题,对于提高网络服务质量具有重要意义。由于Web流量具有非线性、自相关性和周期性等复杂特点,对其准确预测有很大的挑战性。为充分挖掘出Web流量的可预测信息,同时使预测模型具有充分的可解释性和可配置性,本文提出一种基于Prophet和深度自回归(DeepAR)的组合预测模型。其中,Prophet是基于时序分解的加性模型,对Web流量的趋势、季节性周期、节假日信息进行建模。同时,使用基于概率预测的DeepAR模型对Prophet残差隐含的自回归信息建模,捕获长短期依赖关系,以减低Prophet残差的方差,并充分捕获Web流量的自回归信息。在真实的Web流量数据集上进行验证实验,结果表明在RMSE和MAE两项评价指标上均优于对比模型,验证了该组合模型的有效性。

基于Neuro-Fuzzy方法的Web服务器访问流量预测

Neuro-Fuzzy方法是将神经网络和模糊逻辑进行有机的结合，用于解决复杂的非线性问题；用它来进行Web服务器流量预测，是一种新的思路和方法。该文介绍了模型构造的基本思想、结构、算法，也介绍了进化式聚类方法和预测过程；同时，给出了实验数据及分析。