GPU资源利用率时间序列预测：ARIMA模型应用详解

确定时间序列的阶数需要先通过观察时间序列的自相关函数 (ACF) 和偏自相关函数 (PACF) 图来进行。在 ACF 图中，如果存在一个截尾的尖峰，则表明存在一个移动平均模型 (MA) 成分；在 PACF 图中，如果存在一个截尾的尖峰，则表明存在一个自回归模型 (AR) 成分；如果 ACF 和 PACF 图中都存在截尾的尖峰，则表明存在 ARIMA 模型。在本文中，根据实际数据的分析，GPU 资源利用率的时间序列的阶数合理为 ARIMA(1,1,1)。即自回归系数为 1，差分系数为 1，移动平均系数为 1。