Advanced

Time series prediction for algorithmic rescaling in the cloud

Elmers Bonnedal, Björn LU (2016) In Master’s Theses in Mathematical Sciences FMA820 20152
Mathematics (Faculty of Engineering)
Abstract
The main goal of this thesis is to predict the number of players in
some instance of DICE’s gaming platforms, e.g. Battlefield 3 for PC,
15 minutes in the future. This prediction may be used by the company
when buying on-demand cloud servers to tell them how much they
need to buy. Several different prediction models are examined and
evaluated on historical data from 2011 to 2015. Another focus point
is how to detect and handle outliers. The thesis also tries to create
a general understanding of player behaviour by using different data
separations and statistical methods. From the company’s perspective
an auto regressive model of order 100 produces the best result. It is
shown that with this model it would be beneficial for the... (More)
The main goal of this thesis is to predict the number of players in
some instance of DICE’s gaming platforms, e.g. Battlefield 3 for PC,
15 minutes in the future. This prediction may be used by the company
when buying on-demand cloud servers to tell them how much they
need to buy. Several different prediction models are examined and
evaluated on historical data from 2011 to 2015. Another focus point
is how to detect and handle outliers. The thesis also tries to create
a general understanding of player behaviour by using different data
separations and statistical methods. From the company’s perspective
an auto regressive model of order 100 produces the best result. It is
shown that with this model it would be beneficial for the company to
use cloud servers instead of physical servers if their mean abundance
in server capacity with physical servers is greater than 4134 players.
The work was conducted primarily at DICE (EA Digital Illusions
CE AB ) in Stockholm from 2015-09-07 to 2016-01-29. (Less)
Abstract (Swedish)
Huvudsyftet med denna rapport är att förutsäga antalet spelare i nå-
gon instans av DICE: s spelplattformar, t.ex. Battlefield 3 för PC, 15
minuter i framtiden. Denna förutsägelse kan användas av företaget
vid köp av molnservrar on-demand för att visa dem hur mycket de
behöver köpa. Flera olika prognosmodeller undersöks och utvärderas
på historisk data från 2011 till 2015. En annan fokuspunkt är hur man
upptäcker och hanterar extremvärden. Rapporten försöker också skapa
en allmän förståelse av spelarbeteende genom att separera datan
på olika sätt och genom olika statistiska metoder. Från företagets perspektiv
ger en autoregressiv modell av ordning 100 det bästa resultatet.
Det visar sig att med denna modell skulle det vara... (More)
Huvudsyftet med denna rapport är att förutsäga antalet spelare i nå-
gon instans av DICE: s spelplattformar, t.ex. Battlefield 3 för PC, 15
minuter i framtiden. Denna förutsägelse kan användas av företaget
vid köp av molnservrar on-demand för att visa dem hur mycket de
behöver köpa. Flera olika prognosmodeller undersöks och utvärderas
på historisk data från 2011 till 2015. En annan fokuspunkt är hur man
upptäcker och hanterar extremvärden. Rapporten försöker också skapa
en allmän förståelse av spelarbeteende genom att separera datan
på olika sätt och genom olika statistiska metoder. Från företagets perspektiv
ger en autoregressiv modell av ordning 100 det bästa resultatet.
Det visar sig att med denna modell skulle det vara fördelaktigt
för företaget att använda molnservrar istället för fysiska servrar om
deras genomsnittliga överflöd i serverkapacitet med fysiska servrar
är större än 4134 spelare.
Examensarbetet genomfördes primärt hos DICE (EA Digital Illusions
CE AB) i Stockholm från 2015-09-07 till 2016-01-29. (Less)
Please use this url to cite or link to this publication:
author
Elmers Bonnedal, Björn LU
supervisor
organization
course
FMA820 20152
year
type
H2 - Master's Degree (Two Years)
subject
publication/series
Master’s Theses in Mathematical Sciences
report number
LUTFMA-3287-2016
ISSN
1404-6342
other publication id
2016:E3
language
English
id
8598733
date added to LUP
2016-04-12 16:48:58
date last changed
2016-04-12 16:48:58
@misc{8598733,
  abstract     = {The main goal of this thesis is to predict the number of players in
some instance of DICE’s gaming platforms, e.g. Battlefield 3 for PC,
15 minutes in the future. This prediction may be used by the company
when buying on-demand cloud servers to tell them how much they
need to buy. Several different prediction models are examined and
evaluated on historical data from 2011 to 2015. Another focus point
is how to detect and handle outliers. The thesis also tries to create
a general understanding of player behaviour by using different data
separations and statistical methods. From the company’s perspective
an auto regressive model of order 100 produces the best result. It is
shown that with this model it would be beneficial for the company to
use cloud servers instead of physical servers if their mean abundance
in server capacity with physical servers is greater than 4134 players.
The work was conducted primarily at DICE (EA Digital Illusions
CE AB ) in Stockholm from 2015-09-07 to 2016-01-29.},
  author       = {Elmers Bonnedal, Björn},
  issn         = {1404-6342},
  language     = {eng},
  note         = {Student Paper},
  series       = {Master’s Theses in Mathematical Sciences},
  title        = {Time series prediction for algorithmic rescaling in the cloud},
  year         = {2016},
}