[發明專利]基于模式融合的CPU負載多步預測方法

在審

• 申請號: 201410183205.8
• 申請日: 2014-05-04
• 公開（公告）號: CN104021045A
• 公開（公告）日: 2014-09-03
• 發明（設計）人: 曹健;楊定裕;顧驊;沈琪駿;王烺
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于模式融合的CPU負載多步預測方法，其特征在于，包括以下步驟：?

步驟1：模式抽取?

把一個時間序列數據切分成多個數據模式的集合，并統計各個數據模式的個數；?

步驟2：模式過濾?

經過步驟1得到所有的模式與個數，過濾一些不常出現的模式，對這些模式統計，根據個數從大到小進行排序，給定一個過濾因子α，使過濾后的模式能夠覆蓋大部分模式；?

步驟3：模式融合、匹配?

對于一些模式相差不大的模式，合并成一些通用的趨勢模式，并根據這些通用的趨勢模式進行匹配，在匹配過程中，采用漢明距離來度量模式與模式之間的方向距離，然后使用歐幾里得距離來度量實際距離；?

步驟4：模式加權預測?

經過步驟3找到一些近似模式后，采用平均規則策略或均勻下降策略根據這些模式的后面的值來進行多步預測；?

步驟5：預測結果融合?

采用多個模式長度來指導預測，并根據每個模式長度的預測值進行融合，采用機器學習Adaboost算法進行合成，得到最終結果。?

2.根據權利要求1所述的基于模式融合的CPU負載多步預測方法，其特征在于，步驟1中：?

所述時間序列數據是一系列數據x₁,x₂,x₃,…,x_n，這些數據之間存在有序性；?

所述數據模式是給定一個時間序列數據，從時間序列數據中找打一個子序列C_p＝x_p,x_p+1,…,x_p+w-1,這個子序列在歷史數據中經常出現。?

3.根據權利要求2所述的基于模式融合的CPU負載多步預測方法，其特征在于，步驟2中，過濾因子α滿足以下條件：?

其中，Qi是一個長度為i的模式集合；?

number(Qi)是在Qi中模式的個數；?

filter(Qi)是過濾后模式的個數。?

4.根據權利要求2所述的基于模式融合的CPU負載多步預測方法，其特征在于，步驟3中模式匹配包括以下步驟：?

步驟31：趨勢匹配?

通過度量漢明距離計算模式之間的趨勢距離，采用參數λ來進行評估：?

其中，||X_i′-m_j′||是度量兩個模式的漢明距離；?

λ是匹配參數；?

X_i′與m_j′是第i個和第j個模式的趨勢方向；?

步驟32：歐幾里得距離?

經過步驟31后的模式匹配，可以得到一些相似的模式，計算歐幾里得距離：?

dist(i，j)＝|X_i-m_j|?

其中i和j是模式的序號；?

X_i是第i個模式；?

m_j是第j個模式；?

|X_i-m_j|為兩個模式之間的歐幾里得距離；?

步驟33，根據步驟32后計算的每個模式與模式之間的歐幾里得距離，對這些距離進行排序，然后從中選擇前K個歐幾里得距離最小的作為最接近的模式。?

5.根據權利要求4所述的基于模式融合的CPU負載多步預測方法，其特征在于，步驟4中所述平均規則策略為：從歷史中找到一些近似模式后，從這些近似模式后續值直接加權平均后作為預測的結果值，預測結果值如下：?

其中，h是預測步數的長度；?

d是從歷史數據中找到近似模式的個數；?

n是已知數據的長度；?

CP_i是找到的一些候選近似模式。?