基于STL-DeepAR-HW组合模型的云计算资源负载预测

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：黄擅杭, 董建刚, 彭真, 孙鑫杰, 邬锦琛, 钱育蓉

摘要：在信息化蓬勃发展的今日，大量云计算资源的高效管理是运维领域的重要难题。准确的负载预测是应对这一难题的关键技术。针对该问题提出一种基于局部加权回 归周期趋势分解算法Seasonal and Trend decomposition using Loess, STL、Holt-Winters模型和深度自回归模型DeepAR 的组合预测模型 STL-DeepAR-HW。先采用快速傅里叶变换和自相关函数提取数据的周期性特征，以提取到的最优周期对数据做STL分解，将数据分解为趋势项、季节项和余项；并用DeepAR和Holt-Winters分别预测趋势项和季节项，最后组合得到预测结果。在公开数据集AzurePublicDataset上进行实验，结果表明，与Transformer、Stacked-LSTM以及Prophet等模型相比，该组合模型在负载预测中具有更高的准确性和适用性。

关键词：云计算, CPU负载预测, 组合模型, STL分解, DeepAR, Holt-Winters