摘要：主機(jī)資源的負(fù)載預(yù)測(cè)對(duì)其運(yùn)營(yíng)維護(hù)工作具有重要意義.傳統(tǒng)負(fù)載預(yù)測(cè)方法通常采用線性時(shí)間序列模型擬合負(fù)載數(shù)據(jù),而負(fù)載受復(fù)雜的內(nèi)外部環(huán)境影響,線性模型無(wú)法很好地表征負(fù)載數(shù)據(jù)規(guī)律.為提高模型的精度,提出將負(fù)載信息分解為線性部分和非線性部分的思想,并將自回歸差分滑動(dòng)平均(autoregressive integrated moving average,ARIMA)模型和分類回歸樹(classification and regression tree,CART)模型相結(jié)合進(jìn)行預(yù)測(cè).通過(guò)加權(quán)最小二乘法改進(jìn)的ARIMA預(yù)測(cè)線性部分,通過(guò)邊界判定優(yōu)化的CART預(yù)測(cè)非線性部分,并結(jié)合兩者獲得綜合預(yù)測(cè)結(jié)果.在真實(shí)負(fù)載數(shù)據(jù)集下進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明,改進(jìn)后的算法預(yù)測(cè)精度相比傳統(tǒng)方法提高了15%以上,且對(duì)偏遠(yuǎn)值和不同的時(shí)間間隔都均有良好的適應(yīng)性.