《表2 算法性能比较：基于小波神经网络的数据中心KPI预测》
提示：宽带有限、当前游客访问压缩模式
由图7、图8可以看出传统Arima模型也能较好地预测KPI数值及趋势，具体性能对比由表2所示。
| 图表编号 | XD0057387200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.06 |
| 作者 | 姚荣欢 |
| 绘制单位 | 华北计算机系统工程研究所、中软信息系统工程有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 砂浆配合比：基于小波分析与奇异谱分析的RBF神经网络模型预测》2020.06.25
- 《表5 基于小波神经网络的潜在需求预测表（辆）》2020.01.01
- 《表2 诊断正确率比较：基于精英混沌蜂群算法优化小波神经网络的变压器故障诊断》2020.08.16
- 《表1 初始流量数据采集：基于时空相关性和遗传小波神经网络的路网短时交通流预测》2020.05.15
- 《表4 四种算法的比较：基于BP神经网络的移动安全性能预测》2020.06.25
- 《表2 异常数据表：基于粒子群优化小波神经网络的行程时间预测》2020.04.01
- 《表2 预测组样本数据：基于粒子群算法优化BP神经网络的溶浸开采浸出率预测》2020.02.28
- 《表2 检测与预测数据：基于自适应神经网络的时序数据n步预测算法》2019.10.31
- 《表5 预测结果汇总：基于小波支持向量机的企业财务长期预测算法》2020.01.30
- 《表2 风电数据集特征：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表1 重构后数据描述：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表2 基于LSTM神经网络与ARIMA算法的风力发电功率数据预测结果对比》2019.10.31
- 《表2 试件材料性能参数：基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》2019.07.28
- 《表2 均值化后：基于小波神经网络爆破振动速度预测与分析》2019.09.15
- 《表1 算法性能对比：基于HOG特征和小波神经网络的自适应人群计数算法研究》2019.08.25
- 《表1 原始数据：基于人工蜂群优化小波神经网络的隧道沉降预测》2019.08.01
- 《表2 模型对比：基于拟合剔除的优化小波神经网络太阳辐射量预测》2019.06.10
- 《表1 评价标准：基于改进粒子群算法优化小波神经网络的短时交通流预测》2019.01.15
- 《表1 性能数据统计：一种改进的基于小波域的多曝光图像融合算法》2018.03.05
- 《表1 微分进化算法：改进微分进化和小波神经网络的网络流量预测》2019.12.16