针对云平台无法从单变量负荷序列中获取完整预测信息的问题, 提出了一种基于主成分分析的多变量局域预测模型并应用于云计算底层资源的预测中。利用主成分分析法综合考虑多种底层资源间的影响关系, 确定多变量相空间的嵌入维数, 并与局域预测法相结合, 由此建立多变量局域预测模型。仿真实验表明, 基于主成分分析的多变量局域预测模型的预测精度高于单变量局域预测模型, 是面向云计算底层资源预测的一种有效方法。
2021-09-09 15:45:17
2.34MB
1
C-C 方法求最佳嵌入维数和滞后时间
%该函数用来重构相空间
% m为嵌入空间维数
% tau为时间延迟
% data为输入时间序列
% N为时间序列长度
% X为输出,是m*n维矩阵
2021-09-07 19:59:08
12KB
1
mdembedding：用于估计用于多元数据的相空间重构的参数的MATLAB代码
2021-08-21 16:12:49
627KB
1
基于相空间重构和ARIMA-SVM模型对我国进出口总额的预测研究，李超，雷钦礼，进出口数据作为广泛经济时序数据的一种，预测通常采用时序研究方法。如经典线性模型，滑动自回归模型（ARIMA）。现实时序数据通常�
2021-07-16 19:52:39
604KB
1
输出是图上显示的 E1 和 E2。代码使用 Lorenz 和 Rossler 时间序列进行了测试。
2021-07-06 22:13:59
2KB
1
该压缩包pypsr-master.zip：为Python编写的PSR(相空间重构的一个实例)，用于做信号处理，混沌分析。
2021-06-18 22:07:08
17KB
1
对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数，结果表明，时间间隔越短的交通流，其分形维数越大，结构越复杂。由于时间间隔越短的交通流随机性大和复杂的结构，所以预测也就越困难。提出了一种新的基于相空间重构和移动平均相结合的预测方法--移动平均最近邻域法，从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性。
2021-04-29 01:41:11
2.6MB
1