時(shí)間序列預(yù)測的可重構(gòu)計(jì)算研究.pdf

1、時(shí)間序列預(yù)測作為一種重要的數(shù)據(jù)分析方法一直受到研究者的廣泛關(guān)注,然而在很多實(shí)際應(yīng)用中,尤其在越來越多的嵌入式計(jì)算資源有限條件下,預(yù)測算法的高計(jì)算復(fù)雜度和龐大的硬件資源消耗成為制約現(xiàn)實(shí)應(yīng)用的瓶頸。作為當(dāng)前計(jì)算模式發(fā)展主流方向之一的可重構(gòu)計(jì)算,憑借其定制并行計(jì)算的高性能和重構(gòu)計(jì)算的高靈活性,為此問題提供了一種可行的解決方案。因此,將時(shí)間序列預(yù)測方法與可重構(gòu)計(jì)算相融合,為有限計(jì)算資源條件下時(shí)間序列預(yù)測的高效計(jì)算方法研究提供一種新穎的解決思路和

2、基礎(chǔ)性的研究框架,具有明顯的理論意義和實(shí)用價(jià)值。
　　目前,從算法層面開展的時(shí)間序列預(yù)測研究中,尚缺乏對可重構(gòu)計(jì)算適應(yīng)性的考慮。同時(shí),高復(fù)雜度算法的高效計(jì)算需求與可重構(gòu)計(jì)算平臺中有限的硬件資源也存在直接的矛盾。鑒于此,本文通過比較分析,選擇性能優(yōu)越的最小二乘支持向量機(jī)(Least Squares Support Vector Machine, LS-SVM)時(shí)間序列預(yù)測算法作為本文研究工作的算法基礎(chǔ),從算法的可重構(gòu)計(jì)算適應(yīng)性改進(jìn)、

3、資源占用與計(jì)算效率平衡的可重構(gòu)計(jì)算方法、以及有限可重構(gòu)計(jì)算資源上的任務(wù)調(diào)度三個(gè)方面,開展時(shí)間序列預(yù)測的可重構(gòu)計(jì)算方法研究,論文的主要研究工作包括以下內(nèi)容:
　　(1)針對LS-SVM時(shí)間序列預(yù)測中存在的算法復(fù)雜度高,并且其中的常規(guī)線性方程組求解方法不適合可重構(gòu)計(jì)算的問題,提出一種基于聚類的LS-SVM局部建模方法。該方法首先通過低復(fù)雜度K-means算法及合理的聚類數(shù)確定方法,縮減建模過程樣本數(shù)量。然后采用改進(jìn)Cholseky分解

4、方法,實(shí)現(xiàn)計(jì)算量小且計(jì)算穩(wěn)定性好的線性方程組求解算法。實(shí)驗(yàn)結(jié)果證明,在可控精度損失條件下,該方法較LS-SVM算法具有更高的訓(xùn)練和預(yù)測效率,為后續(xù)可重構(gòu)計(jì)算研究提供了合適的算法基礎(chǔ)。
　　(2)在LS-SVM算法進(jìn)行可重構(gòu)計(jì)算適應(yīng)性改進(jìn)基礎(chǔ)上，針對LS-SVM可重構(gòu)計(jì)算實(shí)現(xiàn)中硬件資源占用與計(jì)算效率的矛盾問題,提出一種基于部分動(dòng)態(tài)自重構(gòu)系統(tǒng)的LS-SVM訓(xùn)練過程可重構(gòu)計(jì)算實(shí)現(xiàn)方法。該方法在構(gòu)建部分動(dòng)態(tài)自重構(gòu)計(jì)算系統(tǒng)體系結(jié)構(gòu)基礎(chǔ)上，采

5、用時(shí)域復(fù)用、空域并行的計(jì)算結(jié)構(gòu),實(shí)現(xiàn)硬件資源占用與計(jì)算效率的平衡。實(shí)驗(yàn)結(jié)果表明,本文方法可明顯提高硬件資源利用率,并具有良好的計(jì)算效率。
　　(3)為進(jìn)一步滿足復(fù)雜時(shí)間序列預(yù)測任務(wù)的高效計(jì)算需求,開展部分動(dòng)態(tài)重構(gòu)系統(tǒng)靜態(tài)任務(wù)調(diào)度方法研究。針對其中存在的重構(gòu)區(qū)劃分方法及反碎片技術(shù)理想化、配置預(yù)取策略被忽視以及最優(yōu)調(diào)度方法計(jì)算效率低等問題,在充分研究調(diào)度工作機(jī)制和最優(yōu)調(diào)度方法的基礎(chǔ)上，提出一種基于改進(jìn)異構(gòu)最早完成時(shí)間表調(diào)度方法的啟發(fā)式