本发明公开了基于多尺度分析和深度网络模型的云虚拟机负载预测方法,收集云虚拟机的资源和性能数据;获取云虚拟机资源和性能序列数据;对原始数据序列进行小波分解;利用阈值去噪;得到去噪后数据序列;对去噪后数据序列进行一阶差分,用一阶差分数据序列构造一个时间步矩阵;将时间步矩阵分为训练集和测试集;对训练集和测试集数据进行归一化处理;采取训练集数据对DLSTM预测模型进行训练,利用训练好的DLSTM预测模型对测试集数据进行预测,并对DLSTM预测模型进行性能评价;本发明解决了传统预测方法对长时间运行、数据量大的云虚拟机负载预测准确度不高的问题。
📄 2021112653738
📂 G06F9_455
👤 西安理工大学
📅 2021-10-28