基于ARIMA和IndRNN组合模型的数据中心CPU负载预测

来源：计算机应用与软件杂志2025年第11期北京时间：

作者：李国, 王菁菁, 李静

摘要：针对数据中心的负载时间序列同时具有线性和非线性的复杂特性，单一模型在建模预测中常表现出一定的局限性。对此，提出一种融合小波分解的ARIMA(AutoRegressive Integrated Moving Average)和IndRNN(Independently Recurrent Neural Network)组合负载预测模型。通过哈尔小波将序列分解成趋势子序列和细节子序列，并分别利用ARIMA和IndRNN模型对两个子序列进行建模预测；将二者的预测结果重构，再通过IndRNN模型进行误差修正，进一步提高预测准确度。结果显示，所提的组合预测模型可靠，较其他方法精度更高。

关键词：负载预测, 时间序列预测, 小波变换, ARIMA, IndRNN