基于VDM-ISSA-LSSVM的云资源短期负载预测模型.pdf

第卷 第期 年月：基 于的 云 资 源 短 期 负 载 预 测 模 型杨 哲 兴，谢 晓 兰，李 水 旺，（桂 林 理 工 大 学信 息 科 学 与 工 程 学 院；广 西 嵌 入 式 技 术 与 智 能 系 统 重 点 实 验 室，广 西 桂 林）摘要：准 确 预 测 云 资 源 短 期 负 载 对 提 高 云 平 台 资 源 管 理 效 率、保 障 云 服 务 质 量 至关 重 要。针 对 传 统 模 型 在 面 对 小 样 本、非 线 性 云 资 源 负 载 数 据 时 预 测 精 度 不 高，提出 一 种 基 于 变 分 模 态 分 解（）和 改 进 麻 雀 搜 索 算 法（）优 化 最 小 二 乘 支 持向 量 机（）的 云 资 源 短 期 负 载 预 测 模 型。将 原 始 负 载 数 据 通 过分 解 成多 个 相 对 平 稳 的 模 态 分 量；对 麻 雀 搜 索 算 法 进 行 优 化，增 强 种 群 多 样 性，提 高 寻 优性 能 和 收 敛 速 度。利 用 改 进 麻 雀 搜 索 算 法 优 化的 关 键 参 数，建 立预 测 模 型。利 用网 站 的 云 资 源 负 载 数 据 进 行 仿 真，结 果 表明，所 提 模 型 在 预 测 精 度 上 优 于 参 照 模 型。关 键 词：云 计 算；负 载 预 测；麻 雀 搜 索 算 法；变 分 模 态 算 法；最 小 二 乘 支 持 向 量 机中 图 分 类 号：文 献 标 志 码：文 章 编 号：（），（；，）：，（）（）（），：；收 稿 日 期：基 金 项 目：国 家 自 然 科 学 基 金 项 目（）；广 西 自 然 科 学 基 金项 目（）作 者 简 介：杨 哲 兴（），男，浙 江 绍 兴 人，硕 士 生，研 究 方 向 为大 数 据 及 云 计 算。：；：通 信 作 者：谢 晓 兰（），女，广 西 桂 林 人，博 士，教 授，研 究 方 向为 大 数 据 及 云 计 算。：；：引言容 器 作 为 一 种 新 型 虚 拟 化 技 术，凭 借 其 启 动 速 度快、资 源 利 用 率 高、可 伸 缩 强 等 优 点，极 大 地 缓 解 了 云计 算 中 数 据 处 理 和 运 算 压 力，已 经 成 为 云 计 算 应 用 和服 务 软 件 开 发 的 轻 量 级 解 决 方 案。随 着 云 计 算 平 台 的第卷不 断 扩 展，大 量 的 请 求 被 同 步 提 交 给 云 平 台，资 源 需 求量 的 增 加 会 导 致 容 器 容 易 面 临 突 发 负 载 的 压 力，使得 云 平 台 变 得 不 稳 定。通 过 容 器 云 资 源 负 载 的 有 效 预测 可 促 进 应 用 的 主 动 调 度 或 容 器 负 载 平 衡 决 策，对 确保 服 务 质 量（）与 用 户 的 服 务 水 平 协 议（）至 关重 要。短 期 云 资 源 负 载 数 据 具 有 明 显 的 非 线 性、随 机 性和 不 稳 定 性，有 效 地 捕 捉 云 资 源 负 载 的 线 性 和 非 线性 相 关 性，并 准 确 预 测 未 来 的 云 资 源 负 载 变 化，是 一 个极 具 挑 战 性 的 研 究 难 题。目 前，关 于 云 资 源 负 载 预 测 的 研 究 还 较 少，在 以 往传 统 研 究 中 常 采 用 时 间 序 列 预 测 模 型，如 自 回 归、移 动平 均、自 回 归 移 动 平 均。考 虑 到 短 期 云 资 源 负 载 数 据明 显 的 非 线 性 和 非 平 稳 特 性，时 间 序 列 模 型 相 对 不 具有 较 好 的 适 用 性。文 献 中 指 出，机 器 学 习 模 型 比时 间 序 列 预 测 模 型 具 有 更 好 的 泛 化 能 力 和 映 射 能 力，能 更 高 效 地 处 理 非 线 性 负 载 数 据。文 献 中 针 对 传统 时 间 序 列 预 测 模 型 在 面 对 小 样 本、非 线 性 云 资 源 负载 数 据 时 预 测 精 度 不 高，建 立 支 持 向 量 机（，）的 负 载 预 测 模 型，验 证预测 模 型 在 负 载 预 测 中 的 精 度 比 传 统 时 间 序 列 方 法 高、均 方 误 差 更 小 等 优 点。但求 解 复 杂 且 计 算 较 为耗 时。针 对的 弱 点，文 献 中 提 出 一 种 基 于 最小 二 乘 支 持 向 量 机（，）的 预 测 模 型，通 过 二 次 规 划 法 实 现不 等 式 约 束 与 等 式 约 束 的 转 化，降 低 模 型 计 算 难 度，有效 提 高 预 测 的 准 确 率。因 其 优 越 性，近 年 来 已被 广 泛 应 于 多 个 预 测 领 域。机 器 学 习 模 型 参 数 对 云 资 源 负 载 的 预 测 效 果 有 很大 影 响。如 何 选 择 最 优 参 数 是 机 器 学 习 模 型 的 核 心。文 献 中 采 用 灰 狼 优 化 算 法（，）对参 数 进 行 寻 优，针 对 标 准算 法 易陷 入 局 部 最 优 解，引 入 种 群 动 态 进 化 算 子 增 强 其 获 得全 局 最 优 解 的 概 率，提 高 了 云 资 源 短 期 负 载 预 测 的 精确 性。文 献 中 采 用 鲸 鱼 算 法（，）来 优 化参 数，提 出 一 种负 荷 预 测 模 型，提 升 模 型 收 敛 速 度 和 预测 精 度。上 述 学 者 的 研 究 虽 然 都 在 提 高 预 测 精 度 取 得 了 成果，但 都 没 考 虑 原 始 云 资 源 负 载 数 据 非 线 性、非 平 稳 性等 特 点。就 此，文 献 中 采 用 经 验 模 态 分 解（，）将 负 载 数 据 分解 为 互 不 耦 合 的分 量，降 低 负 载 数 据 的 非 线 性 程度。文 献 中 采 用 小 波 变 换 把 时 间 序 列 分 解 为 不同 时 间 频 率 的 子 序 列，来 降 低 原 始 云 负 载 数 据 的 复 杂性。但容 易 出 现 模 态 分 量 混 叠和 小 波 变 换 存在 分 解 层 数 难 以 确 定 等 缺 点，这 些 都 会 导 致 预 测 精 度的 下 降。针 对 上 述 问 题，文 献 中 采 用 变 分 模 态 分解（，），来 替 代或 小 波 变 换 等 方 法 来 处 理 原 始 数 据，它 克 服 了方 法 中 模 态 分 量 混 叠，分 解 效 果 更 优。标 准 麻 雀 搜 索 算 法（，）新 颖，性 能 较 好，但 存 在 迭 代 后 期 种 群 多 样 性 降低、容 易 陷 入 局 部 最 优 等。在 上 述 背 景 基 础 上，本文 提 出 一 种 基 于算 法 与 改 进 麻 雀 搜 索 算 法（，）优 化 的云 资 源 短 期 负 载 预 测 模 型。该 模 型 使 用算 法 将 原 始 云 资 源 负 载 数 据 分 解 成 多 个 不 同 的 模 态 分量，增 强 数 据 序 列 的 平 稳 性；采 用对进 行参 数 寻 优；建 立模 型 分 别 预 测 各 模态 分 量，叠 加 得 到 最 终 的 预 测 值 并 和 其 他个 模 型 比较，验 证 该 模 型 对 云 资 源 短 期 负 载 预 测 的 准 确 性。变 分 模 态 分 解为 一 种 自 适 应 非 递 归 时 频 信 号 分 解 算 法，主要 由 变 分 问 题 的 构 造 和 求 解 两 步 组 成。变 分 问 题 的 构 造设 原 始 云 资 源 负 载 序 列 为（），经 过 分 解 后 得 到个 模 态 分 量（）（）（）（）式 中：（）为 非 递 减 的 相 位 函 数；（）为 包 络 函 数，。步 骤采 用 希 尔 伯 特 变 换 获 得 各 模 态 分 量 的 单边 频 谱，同 时 设 模 态 中 心 频 率 为，加 入 指 数 项，将 各 模 态 的 频 谱 转 换 到 基 带，得 到 移 频 后 的 频 谱（）()（）（）步 骤利 用 高 斯 平 滑 度 对 宽 度 进 行 估 算，并 引入 约 束 条 件，求 解 各 模 态 估 计 宽 度 之 和 的 最 小 值，约 束变 分 模 型，（）()（）（）（）变 分 问 题 求 解步 骤引 入 增 广 拉 格 朗 日 函 数，将 式（）重 构 为非 约 束 性 变 分 问 题，即：（，）（）()（）（）（）（），（）（）（）式 中：为 二 次 惩 罚 因 子，可 使 信 号 重 构 时 有 较 高 精 确度；为 拉 格 朗 日 乘 法 算 子。第期杨 哲 兴，等：基 于的 云 资 源 短 期 负 载 预 测 模 型步 骤用 交 替 方 向 乘 子 方 法，交 替 更 新、和，对 式（）中 的 鞍 点 进 行 求 解，得 模 态 分 量和 中心 频 率的 迭 代 求 解 公 式：（）（），（）（）（）（）（）（）（）式 中：（）为 当 前 剩 余 量（），（）的 维 纳滤 波；为 迭 代 次 数。最 小 二 乘 支 持 向 量 机模 型 的 求 解 原 理（）设 有 一 个 非 线 性 样 本 集 （，），其 中为 样 本 输 入，为 样 本 输 出。采 用非 线 性 映 射 把 初 始 空 间 样 本 映 射 到 高 维 空 间 构 建 最 优决 策 函 数（）（）（）式 中：为 权 重 向 量；（）为 非 线 性 变 换 的 映 射 函 数；为 偏 移 量。（）利 用 结 构 风 险 最 小 化 原 理 求 解、。把 函 数拟 合 问 题 转 化 为 优 化（，）（）（），式 中：为 误 差 变 量；为 惩 罚 因 子。（）建 立 拉 格 朗 日 方 程 对 该 优 化 问 题 进 行 求 解（，）（）（）式 中，为乘 子。（）根 据条 件 和条 件，消 去和后，可 得最 终 预 测 模 型（，）（）式 中，（，）为 核 函 数，本 文 采 用 径 向 基 函 数 作 为 核函 数（，）()（）式 中，为 核 参 数。麻 雀 搜 索 算 法 及 其 改 进 标 准算 法算 法 是 通 过 麻 雀 觅 食 行 为 提 出 的 一 种 新 的 启发 式 种 群 优 化 算 法，有 较 好 的 寻 优 性 能。在 寻 优 过 程中，作 为 发 现 者 的 麻 雀 为 种 群 提 供 搜 索 方 向 和 区 域，加入 者 麻 雀 根 据 发 现 者 的 指 引 进 行 搜 索，侦 查 者 麻 雀 则依 靠 反 捕 食 策 略 避 免 种 群 陷 入 局 部 最 优。发 现 者 的 位 置 更 新，()，（）式 中：、分 别 为 当 前 和 最 大 迭 代 数；（，；为 在，正 态 分 布 的 随 机 数；为 维 度 的 矩 阵；为 警 戒 值；为 安 全 阈 值。加 入 者 的 位 置 更 新，()，（）式 中：、分 别 为 当 前 最 优 解 和 最 差 解；为 维 度 的 矩 阵，且 满 足（）。侦 察 者 的 位 置 更 新，（）()，（）式 中：为 当 前 全 局 最 优 解；为 控 制 步 长 参 数；为当 前 麻 雀 适 应 度；、分 别 为 全 局 最 优 和 最 差 适 应度；，；为 随 机 常 量。改 进 的算 法 映 射 初 始 化传 统算 法，种 群 多 样 性 较 差。引 入混 沌 映 射 初 始 化 种 群，降 低 随 机 化 的 初 始 种 群 对 算 法收 敛 的 影 响()（）式 中：为 控 制 参 数，（，），本 文 设 定 ；为 第次 迭 代 后的 值。取 对映 射 进 行 仿 真，由 图可知，经映 射 得 到 的 种 群 分 布 相 对 均 匀。图 分 布 自 适 应 权 重 因 子在 标 准算 法 中，发 现 者 会 逐 渐 向 全 局 最 优 解第卷移 动，易 陷 入 局 部 最 优 解。权 重 因 子 对 保 持 算 法 搜 索能 力 的 稳 定 起 到 重 要 作 用。引 入 自 适 应 权 重 因 子 ()（）改 进 后 的 发 现 者 位 置 更 新，（，），（）式 中：（，）；为 上 一 代 全 局 最 优 解。加 入 者 位 置 改 进 策 略在 迭 代 过 程 中，由 式（）可 知，加 入 者 和 探 索 者会 逐 渐 同 化 靠 近 最 优 解，使 得 种 群 的 多 样 性 快 速 下 降，算 法 容 易 陷 入 局 部 最 优。采 用 柯 西 分 布 对 种 群 个 体 进行 扰 动，使 算 法 能 更 好 地 脱 离 局 部 最 优 解。柯 西 分 布概 率 密 度（）（），（）改 进 后 加 入 者 位 置 更 新 （，）（）式 中：（，）为 标 准 柯 西 分 布；为 当 前 适 应度 最 优 的 位 置。侦 查 者 非 线 性 递 减 策 略侦 查 者 的 存 在 能 够 增 强 算 法 的 寻 优 能 力，其 比 例因 子值 会 影 响 算 法 的 寻 优 策 略。值 越 大 越 有利 于 算 法 前 期 的 全 局 搜 索，不 利 于 算 法 后 期 的 局 部 搜索。受 文 献 的 启 发，引 入 非 线 性 递 减 策 略 来 动 态调 整 比 例 因 子，使 得随 着 迭 代 次 数 动 态 下 降。同 时 为 保 证 算 法 的 有 效 性，应 避 免 出 现为。具 体调 整 （）()（）（）式 中：为 最 大 比 例 因 子；为 最 小 比 例 因 子。算 法 性 能 分 析本 文 选 取个 基 准 测 试 函 数 来 检 验算 法 的性 能，测 试 函 数 的 具 体 介 绍 见 表。表基 准 测 试 函 数 具 体 介 绍类 型函 数 表 达 式取 值 范 围理 论 最 优 解高 维 单 峰（），（）()，（），），高 维 多 峰（）（），（）槡()，（）槡()（()），在 对 比 测 试 时，将 本 文 所 提算 法 与、种 算 法 进 行 对 比，为 使 测 试 结 果 更 加 客观，统 一 使 用 测 试 软 件，种 算 法 共 有 参数 统 一 设 置，种 群 数 量 设 为，最 大 迭 代 次 数 设 为。每 个 算 法 独 立 运 行次，统 计 其 最 优 值、平 均 值以 及 方 差 作 为 算 法 评 价 指 标。各 优 化 算 法 性 能 对 比 见表。分 析 表可 知，对 于 高 维 单 峰 函 数，本 文所 提在 寻 优 结 果 上 明 显 优 于 其 他种 算 法，虽 然在 面 对 函 数 也 找 到 了 最 优 值，但 其 平 均 值和 方 差 均 远 低 于。对 于 高 维 多 峰 函 数，和都 能 稳 定 地 寻 找 到 最 优 值，并 且 性 能 都 比和要 出 色。为 更 直 观 对 比 算 法 的 收 敛 精 度 和 速 度，图（）（）为 各 优 化 算 法 的 收 敛 曲 线 对 比。观 察 函 数 收 敛 曲线 可 知，在 收 敛 速 度 上 均 优 于、以 及。对 于 高 维 多 峰 函 数，和均 找到 了 全 局 最 优 解，但的 迭 代 速 度 远 少 于且曲 线 更 光 滑，说 明跳 出 局 部 最 优 解 的 能 力 更 强，收 敛 速 度 更 快。预 测 模 型使 用算 法 对 云 资 源 负 载 数 据 进 行 分 解 处理。采 用算 法 对的 核 函 数 宽 度和 惩 罚因 子进 行 优 化，提 高 预 测 精 度。叠 加 各 模 态 分 量 的预 测 值，获 得 云 资 源 负 载 预 测 结 果。建 模 流 程 如 图所 示，具 体 步 骤步 骤对 原 始 云 资 源 负 载 数 据 线 性 化 归 算 至第期杨 哲 兴，等：基 于的 云 资 源 短 期 负 载 预 测 模 型表各 优 化 算 法 性 能 对 比评 价 指 标算 法 名 称最 优 值 平 均 值 方 差 （）函 数（）函 数（）函 数（）函 数（）函 数（）函 数图各 优 化 算 法 收 敛 曲 线，之 间，归 一 化 （）步 骤利 用分 解 原 始 云 资 源 负 载 数 据。步 骤对 原 始 数 据 分 解 得 到 的 每 个 分 量，分 别输 入模 型，采 用 改 进 麻 雀 搜 索 算 法 优 化和这 两 个 重 要 参 数，然 后 进 行 预 测。步 骤叠 加 各 模 态 分 量 的 预 测 结 果，形 成 最 终云 资 源 负 载 预 测 结 果。算 法 优 化步 骤 如 下：步 骤对和的 参 数 进 行 初 始 化。步 骤引 入混 沌 映 射，利 用 式初 始化 种 群，提 高 初 始 位 置 分 布 的 均 匀 性。步 骤计 算 麻 雀 适 应 度 值，找 出 最 优 和 最 差 适应 度 值，同 时 根 据 式（）更 新 发 现 者 位 置。步 骤根 据 式（）对 加 入 者 的 位 置 进 行 更 新。步 骤根 据 式（）自 适 应 更 新 侦 察 者 比 例 因 子，利 用 式（）对 侦 察 者 位 置 进 行 更 新。步 骤重 新 计 算 各 麻 雀 的 适 应 度，判 断 新 位 置是 否 优 于 当 前 更 新 位 置。步 骤若 新 位 置 更 优，则 更 新 位 置，反 之 重 复 步骤。步 骤判 断 迭 代 终 止 条 件 是 否 满 足，若 是，则 确定 最 佳 参 数，将 获 得 的 最 优 参 数 输 入 到中 构 建最 优 模 型 进 行 负 载 预 测?反 之 重 复 步 骤。第卷图 建 模 流 程 图实 验 与 分 析 数 据 来 源本 文 选 取 的 数 据 集 来 自 某 网 站 每 日 云 计 算 资 源 负 载 数 据，数 据 采 样 时 间间 隔 为，共个 数 据，云 资 源 原 始 负 载 数 据 如 图所 示，选 取 前 的 数 据 为 训 练 集，预 测 第 的云 资 源 负 载 数 据。图云 资 源 原 始 负 载 数 据 图 评 价 指 标本 文 设 置 均 方 根 误 差（，）、平 均 绝 对 误 差（，）以及 平 均 绝 对 百 分 比 误 差（，）作 为 客 观 评 价 预 测 精 度 的 标 准，三 者 的值 越 小，模 型 预 测 精 度 则 越 高 （）槡（）（）（）式 中：为 预 测 样 本 容 量；为 云 资 源 负 载 的 实 际 值；为 云 资 源 负 载 的 预 测 值。结 果 分 析由 图可 知，云 资 源 负 载 数 据 有 较 强 的 非 线 性 和非 平 稳 性。首 先 对 原 始 数 据 进 行分 解，模 态 数值 的 选 取 会 对分 解 产 生 重 要 影 响，当 模 态 数值 过 小 或 过 大 时，原 始 信 号 会 出 现 模 态 异 构 或 由 于 相邻 模 态 分 量 的 中 心 频 率 过 于 接 近，导 致 模 态 重 复，影 响预 测 效 果，需 通 过 分 析 不 同 模 态 数 下 中 心 频 率 来 选 择合 适 的值。各值 对 应 的 中 心 频 率 见 表。分 析 表数 据 可 得，随 着 分 解 模 态 个 数 的 增 加 各模 态 分 量 的 中 心 频 率 差 值 逐 渐 变 小，当 时 相 邻模 态 分 量 间 的 差 值 过 于 偏 小，开 始 出 现 模 态 重 叠 现 象，本 文 将设 为；惩 罚 参 数 ；噪 声 容 忍；初 始 中 心 频 率；收 敛 容 差。分 解效 果 如 图所 示。将分 解 后 获 得 的个 模 态 分 量 分 别 输 入预 测 模 型，设 定核 函 数 宽 度和惩 罚 因 子的 寻 优 范 围 为 ，参 数 设 置为：种 群 数 量 ，最 大 迭 代 次 数 ，预 警 值，发 现 者 比 例 因 子 ，跟 随 者 比 例 因 子为 ，非 线 性 递 减。采 用算 法 优 化第期杨 哲 兴，等：基 于的 云 资 源 短 期 负 载 预 测 模 型表 值 对 应 的 中 心 频 率 图 分 解 结 果的 核 函 数 宽 度和 惩 罚 因 子，优 化 后 的 参 数为 ，。为 进 一 步 分 析 本 文 所 提 模 型，选 取种 独 立 模 型、和种 组 合 模 型、进 行 对 比 实 验。各 模 型 可 视 化 预测 结 果 如 图所 示，各 模 型 评 价 结 果 标 准 见 表。分 析 表数 据 可 知，在 单 一 模 型 中，和均 能 大 致 预 测 云 资 源 负 载 数 据 的 变 化 趋 势，且的 表 现 略 优 于。与 单 一 模 型 比，各 组 合 模型 的 预 测 精 度 都 得 到 了 不 同 程 度 的 提 高。相 较 于型、模 型 的、值图 月 各 模 型 的 可 视 化 预 测 结 果 图表 月 各 模 型 的 评 价 结 果预 测 模 型 和值 分 别 降 低 了、，说 明 用分 解 得 到 的 云 资 源 负 载 子 序 列 更 为 平 稳能 更 好 地 提 高 预 测 精 度。对 比和模 型，发 现 经 过 对 模 型 关 键 参 数 进 行 寻 优 后，模 型 的、和的 值 分 别 降 低 了、和，预 测 精 度 更 高。在 此 基 础 上 对原 始 数 据 进 行分 解 后 再 分 别 输 入模 型 进 行 预 测，使 预 测 精 度 得 到 了 进 一 步 的 提 升，其、和的 值 均 优 于 以 上 各 个 模 型，预 测效 果 表 现 最 好。由 以 上 分 析 可 得，本 文 所 提预 测 模 型 精 度 更 高。为 检 验 本 文 所 提 模 型 的 泛 化 性 和 稳 定 性，本 文 还选 取 了 同 年月 云 资 源 负 载 数 据 进 行 预 测 实 验，实 验结 果 如 图、表所 示。分 析 表可 知，模 型 在、以 及的 值 上 均 优 于 其 他 模 型，预 测 精 度最 高。说 明模 型 针 对 非 线 性 的 云资 源 负 载 数 据 预 测 精 度 和 稳 定 性 较 强。第卷图 月 各 模 型 的 可 视 化 预 测 结 果表 月 各 模 型 的 评 价 结 果预 测 模 型 结语（）针 对 云 资 源 负 载 数 据 的 非 线 性 和 非 平 稳 性 特点，提 出分 解 方 法，将 原 始 数 据 分 解 为 平 稳 的 模态 分 类，有 效 提 高 了 预 测 精 度。（）针 对种 群 多 样 性 不 足，容 易 陷 入 局 部 最优 等 缺 陷，引 入映 射 初 始 化 和 自 适 应 权 重 因子，并 对 加 入 者 和 侦 查 者 的 更 新 策 略 进 行 改 进，进 一 步提 高 算 法 的 收 敛 能 力。通 过 仿 真 得 出，能 够 减 少迭 代 次 数，加 快 算 法 收 敛 速 度。采 用对的 关 键 参 数 进 行 优 化 后，模 型 的 预 测 精 度 优 于 原 始模 型。（）相 对 于 参 比 模 型，本 文 所 提云 资 源 负 载 预 测 模 型 在 面 对 非 线 性 和 非 平 稳性 云 资 源 负 载 数 据 预 测 中 精 确 度 更 高，对 于 提 高 云 资源 的 优 化 效 率，保 障 云 服 务 质 量 有 着 积 极 意 义。参 考 文 献（）：张 飞 飞，吴杰，吕 智 慧云 计 算 资 源 管 理 中 的 预 测 模 型 综 述计 算 机 工 程 与 设 计，（）：，（）：，：，：，：，（）：，（）：，（）：，：，（）：徐 达 宇，丁帅改 进优 化的 云 计 算 资 源 负 载 短 期预 测 研 究 计 算 机 工 程 与 应 用，（）：陈 友 鹏，陈瞡华基 于 鲸 鱼 优 化 参 数 的 最 小 二 乘 支 持 向 量 机 短期 负 荷 预 测 方 法 广 东 工 业 大 学 学 报，（）：，：，：，（）：阳曾，丁 施 尹，叶萌，等基 于 变 分 模 态 分 解 和 深 度 学 习 的短 期 电 力 负 荷 预 测 模 型 电 测 与 仪 表，（）：束 文 娟，曾 凡 平，陈 国 柱，等基 于 变 分 模 态 分 解 与 门 控 循 环 单元 网 络 的 云 资 源 预 测 计 算 机 应 用，（）：仝 卫 国，郭 超 宇，赵 如 意基 于 改 进 麻 雀 算 法 优 化的 再循 环 箱 浆 液 密 度 预 测 模 型 电 子 测 量 技 术，（）：，（）：檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿殨殨殨殨欢 迎 订 阅 中 文 核 心 期 刊、中 国 科 技 核 心 期 刊 实 验 室 研 究 与 探 索 杂 志！