软件可靠性预测的ARIMA方法研究

doi:10.3778/j.issn.1002-8331.2008.35.005

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (35): 17-19.DOI: 10.3778/j.issn.1002-8331.2008.35.005

软件可靠性预测的ARIMA方法研究

贾治宇,康锐

北京航空航天大学工程系统工程系，北京 100191

收稿日期:2008-06-27 修回日期:2008-09-25 出版日期:2008-12-11 发布日期:2008-12-11
通讯作者: 贾治宇

Forecasting method of software reliability based on ARIMA model

JIA Zhi-yu,KANG Rui

Department of Systems Engineering of Engineering Technology，Beihang University，Beijing 100191，China

Received:2008-06-27 Revised:2008-09-25 Online:2008-12-11 Published:2008-12-11
Contact: JIA Zhi-yu

摘要/Abstract

摘要： 对基于求和自回归滑动平均模型（ARIMA模型）的软件可靠性预测方法进行了研究，提出了将软件可靠性失效数据看作时间序列，通过建立相应的ARIMA（p，d，q）模型来进行预测的方法。对该方法的基本思想、模型表述、建模流程进行了详细介绍，并依据上述方法选用Musa经典数据集中的Project SS2中的数据进行了预测，结果表明预测的准确性较高，说明该方法适用于软件可靠性预测。

关键词: 软件可靠性, 预测, 求和自回归滑动平均模型

Abstract: A method of software reliability forecasting based on the ARIMA（Autoregressive Integrated Moving Average） Model is studied in this paper.It proposes a method which supposes that software failure data can be regarded as time series，and then be forecasted by building correlative ARIMA（p，d，q） model.The basic idea，model formulation and modeling procedures are introduced in detail.The data of Project SS2 in Musa classical data set is forecasted by using this method，and the results shows that the forecasting precision is much higher.So the method is suitable for software reliability forecasting.

Key words: software reliability, forecasting, Autoregressive Integrated Moving Average（ARIMA）

贾治宇,康锐. 软件可靠性预测的ARIMA方法研究[J]. 计算机工程与应用, 2008, 44(35): 17-19.

JIA Zhi-yu,KANG Rui. Forecasting method of software reliability based on ARIMA model[J]. Computer Engineering and Applications, 2008, 44(35): 17-19.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[7]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[8]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	赵红蕊，薛雷. 基于LSTM-CNN-CBAM模型的股票预测研究[J]. 计算机工程与应用, 2021, 57(3): 203-207.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[13]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[14]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[15]	顾海艳，陈亮，王多点. 基于模型预测控制的无人机时空协同航迹规划[J]. 计算机工程与应用, 2021, 57(23): 270-279.

软件可靠性预测的ARIMA方法研究

Forecasting method of software reliability based on ARIMA model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics