Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem
Ano de defesa: | 2014 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Santa Maria
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia de Produção
|
Departamento: |
Engenharia de Produção
|
País: |
BR
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://repositorio.ufsm.br/handle/1/8316 |
Resumo: | Cloud computing has emerged to change the way computing is offered and used. Instead of having all the necessary hardware and software to manipulate and to store their data, users just need a mechanism to access the Internet. So, the efficient provisioning on demand of computational resources is a challenge to comply with the needs of users. Thus, there is a problem related to the lack of an underlying mechanism to assist a cloud management system to maintain acceptable levels of Quality of Service (QoS) pro-actively. In this context, this work makes a comparative analysis of the predictive ability of different statistical models in seeking to define the most suitable for resource provisioning in a cloud environment. In this way, linear time series techniques namely ARIMA and ARMAX and nonlinear ones based on neural networks so-called MLP and NARX were applied on a dataset of a cluster from Google. The prediction results of usage of cpu, disk and memory shown that the NARX neural network can predict with low error the expected values, being feasible for application in a provisioning mechanism of servers in cloud computing environments. |
id |
UFSM_ce58fb1b1b248d2d932bb039779c972e |
---|---|
oai_identifier_str |
oai:repositorio.ufsm.br:1/8316 |
network_acronym_str |
UFSM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do UFSM |
repository_id_str |
|
spelling |
2014-11-182014-11-182014-03-06SANTOS, Tatiana Fernanda Mousquer dos. APPLICATION OF TIME SERIES AND NEURAL NETWORKS IN AN CLOUD COMPUTING ENVIRONMENT. 2014. 92 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2014.http://repositorio.ufsm.br/handle/1/8316Cloud computing has emerged to change the way computing is offered and used. Instead of having all the necessary hardware and software to manipulate and to store their data, users just need a mechanism to access the Internet. So, the efficient provisioning on demand of computational resources is a challenge to comply with the needs of users. Thus, there is a problem related to the lack of an underlying mechanism to assist a cloud management system to maintain acceptable levels of Quality of Service (QoS) pro-actively. In this context, this work makes a comparative analysis of the predictive ability of different statistical models in seeking to define the most suitable for resource provisioning in a cloud environment. In this way, linear time series techniques namely ARIMA and ARMAX and nonlinear ones based on neural networks so-called MLP and NARX were applied on a dataset of a cluster from Google. The prediction results of usage of cpu, disk and memory shown that the NARX neural network can predict with low error the expected values, being feasible for application in a provisioning mechanism of servers in cloud computing environments.A computação em nuvem surgiu para mudar a forma como a computação é oferecida e utilizada. Ao invés de possuir todo o hardware e software necessários para manipular e armazenar seus dados, os usuários apenas necessitam de um mecanismo que acesse a Internet. Com isso, o provisionamento eficiente de recursos computacionais sob demanda é um desafio para atender as necessidades dos usuários. Dessa forma, percebe-se que existe um problema relacionado à necessidade de mecanismos que auxiliem um sistema de gerenciamento de nuvem a manter níveis adequados de qualidade de serviço (QoS) de forma pro-ativa. Nesse contexto, este trabalho faz uma análise comparativa da capacidade de predição de diferentes modelos estatísticos com vistas a definir o mais adequado ao provisionamento de recursos em um ambiente de nuvem. Para isso, foram aplicadas técnicas de séries temporais lineares ARIMA e ARMAX e não lineares baseadas em redes neurais MLP e NARX em um dataset de um cluster de computadores da Google. Os resultados de predição de uso de cpu, memória e disco demonstraram que a rede neural NARX consegue predizer com baixo erro os valores esperados, sendo viável a sua aplicação em um mecanismo de provisionamento de servidores em ambientes de nuvem computacionalapplication/pdfporUniversidade Federal de Santa MariaPrograma de Pós-Graduação em Engenharia de ProduçãoUFSMBREngenharia de ProduçãoSéries temporaisRedes neuraisARIMAARMAXMLPNARX computação em nuvemTime seriesNeurais networkARIMAARMAXMLPNARXCloud computerCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOAplicação de séries temporais e redes neurais em um ambiente de computação em nuvemApplication of time series and neural networks in an cloud computing environmentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSouza, Adriano Mendonçahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4721137Z8Zanini, Roselaine Ruviarohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4771385E1Franzin, Rozelaine de Fatimahttp://lattes.cnpq.br/1005977479728877http://lattes.cnpq.br/7769276216595516Santos, Tatiana Fernanda Mousquer dos30080000000540030030050030060a97352-41f4-4228-b7b7-9bf285c97d9c51e72ad5-c687-42a7-93bc-4854fd7c81b145a9057d-7b5d-4a62-b5e9-16f367df3fc874e7c133-cab0-485a-9e25-f4664f5ce051info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSMORIGINALSANTOS, TATIANA FERNANDA MOUSQUER DOS.pdfapplication/pdf1619179http://repositorio.ufsm.br/bitstream/1/8316/1/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdfedaf48ea2ba2734ab2676afcb84368bdMD51TEXTSANTOS, TATIANA FERNANDA MOUSQUER DOS.pdf.txtSANTOS, TATIANA FERNANDA MOUSQUER DOS.pdf.txtExtracted texttext/plain134430http://repositorio.ufsm.br/bitstream/1/8316/2/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdf.txte617a62197d7070f5dd477ef5cad3304MD52THUMBNAILSANTOS, TATIANA FERNANDA MOUSQUER DOS.pdf.jpgSANTOS, TATIANA FERNANDA MOUSQUER DOS.pdf.jpgIM Thumbnailimage/jpeg4981http://repositorio.ufsm.br/bitstream/1/8316/3/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdf.jpgb13e4daae93d9de61f8289f58e9025dcMD531/83162022-03-08 15:17:10.138oai:repositorio.ufsm.br:1/8316Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/ONGhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.comopendoar:2022-03-08T18:17:10Biblioteca Digital de Teses e Dissertações do UFSM - Universidade Federal de Santa Maria (UFSM)false |
dc.title.por.fl_str_mv |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
dc.title.alternative.eng.fl_str_mv |
Application of time series and neural networks in an cloud computing environment |
title |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
spellingShingle |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem Santos, Tatiana Fernanda Mousquer dos Séries temporais Redes neurais ARIMA ARMAX MLP NARX computação em nuvem Time series Neurais network ARIMA ARMAX MLP NARX Cloud computer CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
title_short |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
title_full |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
title_fullStr |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
title_full_unstemmed |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
title_sort |
Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem |
author |
Santos, Tatiana Fernanda Mousquer dos |
author_facet |
Santos, Tatiana Fernanda Mousquer dos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Souza, Adriano Mendonça |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4721137Z8 |
dc.contributor.referee1.fl_str_mv |
Zanini, Roselaine Ruviaro |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4771385E1 |
dc.contributor.referee2.fl_str_mv |
Franzin, Rozelaine de Fatima |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/1005977479728877 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7769276216595516 |
dc.contributor.author.fl_str_mv |
Santos, Tatiana Fernanda Mousquer dos |
contributor_str_mv |
Souza, Adriano Mendonça Zanini, Roselaine Ruviaro Franzin, Rozelaine de Fatima |
dc.subject.por.fl_str_mv |
Séries temporais Redes neurais ARIMA ARMAX MLP NARX computação em nuvem |
topic |
Séries temporais Redes neurais ARIMA ARMAX MLP NARX computação em nuvem Time series Neurais network ARIMA ARMAX MLP NARX Cloud computer CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
dc.subject.eng.fl_str_mv |
Time series Neurais network ARIMA ARMAX MLP NARX Cloud computer |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
description |
Cloud computing has emerged to change the way computing is offered and used. Instead of having all the necessary hardware and software to manipulate and to store their data, users just need a mechanism to access the Internet. So, the efficient provisioning on demand of computational resources is a challenge to comply with the needs of users. Thus, there is a problem related to the lack of an underlying mechanism to assist a cloud management system to maintain acceptable levels of Quality of Service (QoS) pro-actively. In this context, this work makes a comparative analysis of the predictive ability of different statistical models in seeking to define the most suitable for resource provisioning in a cloud environment. In this way, linear time series techniques namely ARIMA and ARMAX and nonlinear ones based on neural networks so-called MLP and NARX were applied on a dataset of a cluster from Google. The prediction results of usage of cpu, disk and memory shown that the NARX neural network can predict with low error the expected values, being feasible for application in a provisioning mechanism of servers in cloud computing environments. |
publishDate |
2014 |
dc.date.accessioned.fl_str_mv |
2014-11-18 |
dc.date.available.fl_str_mv |
2014-11-18 |
dc.date.issued.fl_str_mv |
2014-03-06 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SANTOS, Tatiana Fernanda Mousquer dos. APPLICATION OF TIME SERIES AND NEURAL NETWORKS IN AN CLOUD COMPUTING ENVIRONMENT. 2014. 92 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2014. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufsm.br/handle/1/8316 |
identifier_str_mv |
SANTOS, Tatiana Fernanda Mousquer dos. APPLICATION OF TIME SERIES AND NEURAL NETWORKS IN AN CLOUD COMPUTING ENVIRONMENT. 2014. 92 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2014. |
url |
http://repositorio.ufsm.br/handle/1/8316 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.cnpq.fl_str_mv |
300800000005 |
dc.relation.confidence.fl_str_mv |
400 300 300 500 300 |
dc.relation.authority.fl_str_mv |
60a97352-41f4-4228-b7b7-9bf285c97d9c 51e72ad5-c687-42a7-93bc-4854fd7c81b1 45a9057d-7b5d-4a62-b5e9-16f367df3fc8 74e7c133-cab0-485a-9e25-f4664f5ce051 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UFSM |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Engenharia de Produção |
publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do UFSM instname:Universidade Federal de Santa Maria (UFSM) instacron:UFSM |
instname_str |
Universidade Federal de Santa Maria (UFSM) |
instacron_str |
UFSM |
institution |
UFSM |
reponame_str |
Biblioteca Digital de Teses e Dissertações do UFSM |
collection |
Biblioteca Digital de Teses e Dissertações do UFSM |
bitstream.url.fl_str_mv |
http://repositorio.ufsm.br/bitstream/1/8316/1/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdf http://repositorio.ufsm.br/bitstream/1/8316/2/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdf.txt http://repositorio.ufsm.br/bitstream/1/8316/3/SANTOS%2c%20TATIANA%20FERNANDA%20MOUSQUER%20DOS.pdf.jpg |
bitstream.checksum.fl_str_mv |
edaf48ea2ba2734ab2676afcb84368bd e617a62197d7070f5dd477ef5cad3304 b13e4daae93d9de61f8289f58e9025dc |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do UFSM - Universidade Federal de Santa Maria (UFSM) |
repository.mail.fl_str_mv |
atendimento.sib@ufsm.br||tedebc@gmail.com |
_version_ |
1793240166262898688 |