[發明專利]一種云環境下的主機負載預測方法

在審

• 申請號: 201711469032.6
• 申請日: 2017-12-28
• 公開（公告）號: CN108196957A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 陳羽中;江偉;郭昆
• 申請（專利權）人: 福州大學
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F17/18
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種云環境下的主機負載預測方法，其特征在于，包括如下步驟：

步驟A：取云平臺的歷史負載數據集X＝{x₁,x₂,...,x_t,...,x_n}，其中x_t表示云平臺在t時刻的主機負載，對所述歷史負載數據集X進行min-max歸一化處理，將{x₁,x₂,...,x_t,...,x_n}映射到[0,1]之間，得到歸一化后的歷史負載數據集

步驟B：根據歸一化后的歷史負載數據集構建ARMA預測模型，獲得主機負載預測值集合進而計算得到ARMA預測誤差數據集E；

步驟C：使用ARMA預測誤差數據集E訓練Elman網絡模型，并根據得到的Elman網絡模型進行預測，得到誤差預測值集合

步驟D：結合ARMA預測模型和Elman網絡模型，修正步驟B得到的主機負載預測值集合得到更高精度的預測模型HARMA-E；

步驟E：采用預測模型HARMA-E，預測云平臺的實時負載。

2.根據權利要求1所述的一種云環境下的主機負載預測方法，其特征在于，所述步驟B中，根據歸一化后的歷史負載數據集構建ARMA預測模型，進而獲得主機負載預測值集合和ARMA預測誤差數據集E，具體包括以下步驟：

步驟B1：對歸一化后的歷史負載數據集做一階差分，得到差分后的序列

步驟B2：選取ARMA(p,q)預測模型的自回歸階數p和滑動平均階數q的集合：構造序列的自相關圖和偏自相關圖，分析自相關圖和偏自相關圖的拖尾、截尾性，若自相關圖在滯后數后拖尾，偏自相關圖在滯后數后截尾，則得到ARMA(p,q)預測模型的參數p和q的取值范圍為和

ARMA(p,q)預測模型的計算公式如下：

其中為模型在t時刻負載的預測值，p、q分別表示t時刻之前的主機負載序列{x_i|i＝1,2,...,t}的自回歸階數和滑動平均階數，x_t-i為t-i時刻負載的真實值，為t-i時刻主機負載x_t-i對應的自回歸系數；e_t-j為模型在t-j時刻的誤差，θ_j為t-j時刻誤差e_t-j對應的誤差滑動平均系數；

步驟B3：使用AIC準則計算統計量A(s)，從和中選擇使A(s)達到最小值的(p*,q*)作為ARMA(p,q)預測模型的自回歸階數和滑動平均階數，A(s)公式如下：

其中，N為已知觀測數據樣本集大小，σ²為誤差序列{e_i|i＝1,2,...,t}的方差，s為參數的總數，為方差σ²、自回歸參數滑動平均參數θ₁,θ₂,...,θ_q這些參數的數量之和，即s＝1+p+q；

步驟B4：確定ARMA(p,q)預測模型的自回歸階數p和滑動平均階數q值后，使用最小二乘法估計ARMA(p,q)預測模型的自回歸參數和滑動平均參數θ₁,θ₂,...,θ_q；

步驟B5：以差分后的序列作為ARMA(p,q)預測模型的輸入，預測主機負載，獲得主機負載預測值集合

步驟B6：比較主機負載預測值集合和實際負載，得到ARMA(p,q)預測模型的預測誤差集合E。