1
（线性回归）预测的调整
全面披露：我不是统计学家，也不声称自己是统计学家。我是一个低级的IT管理员。请和我一起玩。:) 我负责收集和预测我们企业的磁盘存储使用情况。我们每月收集存储使用情况，并使用简单的滚动式十二个月线性回归进行预测（换句话说，进行预测时仅考虑前十二个月的数据）。我们将这些信息用于分配和资本支出计划，例如“基于此模型，如果要在y个月内存储以满足我们的需求，我们将需要购买x数量。” 所有这些都能很好地满足我们的需求。 周期性地，我们的数字出现了一次大的波动，这使预测不合时宜。例如，某人发现不再需要的500GB旧备份，并将其删除。对他们有利于回收空间！但是，我们的预测现在因一个月的大幅下降而偏离了。我们一直都接受这样的下降需要9到10个月的时间才能摆脱模型，但是如果我们进入资本支出计划的季节，那可能会花费很长时间。 我想知道是否有一种方法可以处理这些一次性变化，以使预测值不会受到太大影响（例如，线的斜率不会发生太大变化），但是将它们考虑在内（例如与特定时间点相关的y值的一次变化）。我们为解决这个问题而进行的首次尝试已产生了一些丑陋的结果（例如指数增长曲线）。如果重要的话，我们将在SQL Server中进行所有处理。