基于深度自回歸循環(huán)神經(jīng)網(wǎng)絡(luò)的邊緣負(fù)載預(yù)測

摘要： 為了更好地支持邊緣計算服務(wù)提供商進(jìn)行資源的提前配置與合理分配，負(fù)載預(yù)測被認(rèn)為是邊緣計算中的一項重要的技術(shù)支撐.傳統(tǒng)的負(fù)載預(yù)測方法在面對具有明顯趨勢或規(guī)律性的負(fù)載時能取得良好的預(yù)測效果，但是它們無法有效地對邊緣環(huán)境中高度變化的負(fù)載取得精確的預(yù)測.此外，這些方法通常將預(yù)測模型擬合到獨立的時間序列上，進(jìn)而進(jìn)行單點負(fù)載實值預(yù)測.但是在實際邊緣計算場景中，得到未來負(fù)載變化的概率分布情況會...