趋势和预测

要减少历史数据周期性变化的影响，应使用由用户指定的业务周期将数据划分成基于时间间隔的时间窗，每个时间窗通过一个点来表示。这个点可以是平均值、峰值或数据的 90 分位点值（即 90% 的点小于该值）。只有当时间窗内有效的点的百分比超过用户指定的阈值时，才会使用该时间窗。

	重要信息：只有所分析的数据范围内至少有两个时间窗包含足够百分比的有效点时，才会计算趋势。

用户可以设置报告周期来排除特殊事件，或将此时间周期标记为无效，以便从趋势分析中排除该时间周期内收集的点。

线性回归基于最小二乘拟合，该算法可使每个汇总点与描述这些汇总点的趋势线之间的垂直偏移的平方和最小。

	提示：对小数据集进行回归计算并不总是有意义的，并且可能会产生误导。如果趋势分析所依据的汇总点少于十二个，应将其与历史数据相比较，以查看是否“有意义”。趋势分析的最大数据点数是报告的总时间除以业务周期得到的值，这是因为如果业务周期不符合有效性条件，可能被排除。 由于趋势是以年增长率进行报告的，因此在尝试分析趋势之前最好有一年以上的历史数据。

用户可以选择在报告中包含误差分析。可使用下列误差值：

r-squared（可决系数）: 所执行的回归的关联系数，用于对趋势进行估算。它是一种度量方法，用于评估回归结果能够反映汇总点趋势的精确程度。以十进制值表示；值越接近 1 或 -1，表示回归越能精确代表那些数据。

在 Capacity Advisor 中，可从四个不同级别来指定预测模型，较具体的预测模型可覆盖较一般的预测模型，如下表所示：

预测数据范围定义了与年预测增长率结合来生成预测模型的历史数据。可将预测数据范围指定为：

年预计增长率以百分比来表示，利用率增加时为正数，利用率减少时为负数，无变化时则为零。缺省值为无变化。可以分别为内存和 CPU 指定增长率。

预测会逐点应用于用户指定范围内的历史数据。它以线性方式应用，这样，距离预测起点 1 年的点则是由应用于数据的完整增长率而得出的。可以通过用户所提供的范围内的数据使将来的数据保持“平滑”，方法是将适用于每个点的增长率部分应用到数据范围中的每个点上并重复该数据集，直到达到所需的结束点为止。