龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本发明公开了一种基于混合预测模型的微服务集群负载预测方法，首先对微服务集群的负载历史数据序列进行数据预处理，得到处理后的负载数据，然后使用INFO算法对VMD分解算法的参数IMF分量个数K和惩罚因子α进行优化，得到最佳的参数组合，将预处理后的负载数据序列输入VMD算法，得到K个分量；之后再使用SABO算法对BiLSTM的隐藏层节点数、初始学习率和L2正则化系数三个参数进行优化，最后将K个IMF分量输入BiLSTM网络，对得到的K个输出做累加得到最终的预测结果。通过验证，本发明方法的预测精度较主流算法的预测精度有一定程度的提升，对掌握微服务集群运行规律，提高对突发流量的主动响应能力有较显著作用。
主权项：1.一种基于混合预测模型的微服务集群负载预测方法，其特征在于，包括以下步骤：S1、对微服务集群的负载历史数据序列进行数据预处理，得到处理后的负载数据；S2、使用INFO算法对VMD算法的两个关键参数IMF分量个数K和惩罚因子α进行优化，确定最优参数[K,α]，得到优化后的VMD算法；S3、将步骤S1处理后的负载数据输入优化后的VMD算法中，通过分解，得到K个IMF分量；S4、使用SABO算法对BiLSTM的隐藏层节点数、初始学习率和L2正则化系数三个参数进行优化，得到优化后的BiLSTM神经网络；S5、将步骤S3得到的K个IMF分量输入优化后的BiLSTM神经网络，经过训练，输出K组预测值，将K组预测值进行叠加得到最终的预测结果。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于混合预测模型的微服务集群负载预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号