Проаналізовано доцільність використання наявних методів прогнозування часових рядів для прогнозування кількості мережевих запитів до хмарного застосунку. Визначено оптимальні методи для різних режимів роботи хмарного застосунку. Досліджено точність прогнозування кількості мережевих запитів за допомогою комбіновано методу, що враховує стан мережевого застосунку.
1. Lorido-Botrán T. Auto-scaling techniques for elastic applications in cloud environments/ T. Lorido-Botrán, J. Miguel-Alonso, J. A. Lozano// Department of Computer Architecture and Technology, University of Basque Country, Tech. Rep. — EHU-KAT-IK-09, 2012 — № 12.
2. Hyndman R. J. Forecasting: principles and practice/ R. J. Hyndman, G. Athanasopoulos// OTexts — 2014. — ISBN 978-098-750-710-5
3. Equations for the Smoothing Models [Електронний ресурс] — режим доступу: http://support.sas.com/documentation/cdl/en/etsug/63348/HTML/default/vie...
4. Айвазян С.А. Прикладная статистика. Основы эконометрики. Том 2. — М.: Юнити-Дана, 2001. — 432 с. — ISBN 5-238-00305-6.
5. Miao D. The periodic data traffic modeling based on multiplicative seasonal ARIMA model/ D. Miao, X. Qin, W. Wang //Wireless Communications and Signal Processing (WCSP), 2014 / Sixth International Conference on. IEEE, 2014. — С. 1-5.
6. Diagnostic Checks — MATLAB & Simulink [Електронний ресурс] — режим доступу: http://www.mathworks.com/help/econ/compare-arma-models.html .
7. Chaleampong Kongcharoen. Autoregressive Integrated Moving Average with Explanatory Variable (ARIMAX) Model for Thailand Export [Електронний ресурс]/ Chaleampong Kongcharoen, Tapanee Kruangpradit// Faculty of Economics, Thammasat University — the 33rd International Symposium on Forecasting, Seoul — 2013 — режим доступу: http://forecasters.org/wp/wp-content/uploads/gravity_forms/7-2a51b930478... .
8. Моделирование ARIMA — временного ряда средствами MatLab 6.0 Simulink [Електронний ресурс] — режим доступу: http://www.excelprognoz.narod.ru/arima.html .
9. Руководство пользователя Mathcad — Функции регрессии. [Електронний ресурс] — режим доступу: http://www.exponenta.ru/soft/Mathcad/UsersGuide/chapter13/13_6.asp
10. Microsoft Time Series Algorithm Technical Reference [Електронний ресурс] — режим доступу: https://msdn.microsoft.com/en-us/library/bb677216.aspx .
11. Meek C. Autoregressive Tree Models for Time-Series Analysis [Електронний ресурс]/ C. Meek, D.M. Chickering, D. Heckerman// Microsoft Research — режим доступу: http://go.microsoft.com/fwlink/?LinkId=45966
12. SAS/ETS Forecasting Models [Електронний ресурс] — режим доступу: http://support.sas.com/rnd/app/ets/cap/forecasting/models.html .
13. Econometrics and Time Series Analysis[Електронний ресурс]/ SAS/ETS Software — режим доступу: http://www.sas.com/en_us/software/analytics/ets.html .
14. Automatic Model Fitting: SAS/ETS<sup class="reg">®</sup> 9.2[Електронний ресурс]/ Getting Started with Time Series Forecasting — режим доступу: http://support.sas.com/documentation/cdl/en/etsug/60372/HTML/default/vie... .
15. Вибір моделі прогнозування часового ряду [Електронний ресурс] — режим доступу: http://support.sas.com/documentation/cdl/en/etsug/63348/HTML/default/vie...
16. R.NET [Електронний ресурс] — режим доступу: https://rdotnet.codeplex.com/ .
17. 1998 World Cup Web Site Access Logs [Електронний ресурс] — режим доступу: http://ita.ee.lbl.gov/html/contrib/WorldCup.html .
18. Яковина В. С. Прогнозування відмов програмного забезпечення з використанням нейронної мережі на основі радіально-базисних функцій// Вісник Нац. Ун-ту «Львівська політехніка» — 2014 — № 805 — С. 230–236 — ISSN 0321-0499
19. Бігун Г. В. Інформаційна технологія рекурентного аналізу часових послідовностей // Вісник Нац. Ун-ту «Львівська політехніка» — 2014 — № 805 — С. 37–46 — ISSN 0321-0499
20. Литвин В. В. Аналіз методик розвитку віртуалізації для технології CLOUD COMPUTING / В. В. Литвин, І. О. Бобик, Д. І. Угрин, С. Ф. Шевчук // Вісник Національного університету «Львівська політехніка». — 2012. — № 743 : Інформаційні системи та мережі. — С. 104–113 — ISSN 0321-0499.