基于混合自回归模型和神经网络的时间序列预测，武俊峰，江其保，在求出混合自回归时间序列模型的成分个数的基础上, 应用BP神经网络对时间序列进行了预测, 并对模型进行了数值模拟表明该预测模型的

基于ARMA模型预测的云计算资源调度策略研究，重庆大学，硕士学位论文，2016年重庆大学硕士学位论文 中文摘要 摘要 现阶段,云计算作为一种新型髙效且价柊低廉的计算模式受到越来越多企业 的青睐,而云计算瓷源调度算法作为云计算研究的核心内容,对于它的研究从未 间断,当前科研工作者对于云资源调度算法己经进行了大量深入的研究,本文将 首先对当前主流的一些云计算资源调度策略进行简要的介绍,并对这些略的优 点和不足进行了分析,针对当前云计算资源调度策略中存在的宿主机开关机波动、 虚拟机迁移带有盲目性以及任

提出一种基于自回归求和移动平均(ARIMA) 与人工神经网络(ANN) 的区间时间序列混合模型, 并用混合模型分别对区间中值序列和区间半径序列建模. 采用Monte Carlo 方法生成模拟区间序列, 分别用ARIMA、ANN和混合模型3 种方法进行建模和预测实验, 并用统计学方法检验模型误差. 最后分别采用3 种方法对H市轨道交通某号线牵引能耗区间序列进行了建模和预测, 实验结果表明混合模型的建模精度和预测性能均优于单一模型.