[發(fā)明專利]小波神經(jīng)網(wǎng)絡(luò)融合線性回歸的數(shù)據(jù)中心工作負(fù)載預(yù)測方法有效
| 申請?zhí)枺?/td> | 201810095967.0 | 申請日: | 2018-01-31 |
| 公開(公告)號: | CN108197083B | 公開(公告)日: | 2021-04-13 |
| 發(fā)明(設(shè)計)人: | 唐小勇 | 申請(專利權(quán))人: | 湖南農(nóng)業(yè)大學(xué) |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06N3/04;G06N3/08;G06Q10/04 |
| 代理公司: | 長沙市融智專利事務(wù)所(普通合伙) 43114 | 代理人: | 歐陽迪奇 |
| 地址: | 410128 *** | 國省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 神經(jīng)網(wǎng)絡(luò) 融合 線性 回歸 數(shù)據(jù)中心 工作 負(fù)載 預(yù)測 方法 | ||
1.一種小波神經(jīng)網(wǎng)絡(luò)融合線性回歸的數(shù)據(jù)中心工作負(fù)載預(yù)測方法,其特征在于,包括如下步驟:
步驟一,通過數(shù)據(jù)中心系統(tǒng)的日志文件得到歷史作業(yè)及每個作業(yè)使用的資源量,從而計算得到數(shù)據(jù)中心歷史工作負(fù)載,同時根據(jù)日志文件中的歷史作業(yè)數(shù)及執(zhí)行工作的時間,創(chuàng)建數(shù)據(jù)中心歷史工作負(fù)載信息數(shù)據(jù)庫;
步驟二,將每天的時間劃分為多個時間段,并確定需要進(jìn)行預(yù)測工作負(fù)載的時間段,根據(jù)數(shù)據(jù)中心歷史工作負(fù)載信息數(shù)據(jù)庫中記錄的數(shù)天或數(shù)月中每天同一時間段的數(shù)據(jù),將時間段內(nèi)的作業(yè)數(shù)和工作負(fù)載作為線性組合,建立線性方程組來進(jìn)行該時間段的線性回歸短期工作負(fù)載預(yù)測;
步驟三,同樣取步驟二中需要進(jìn)行預(yù)測工作負(fù)載的時間段,以該時間段的未知工作負(fù)載預(yù)測作為輸出,與該時間段相鄰時間段的已知工作負(fù)載數(shù)據(jù)作為輸入,采用包括輸入、隱藏和輸出的經(jīng)典三層前饋小波神經(jīng)網(wǎng)絡(luò)模型,對該時間段的工作負(fù)載進(jìn)行預(yù)測;
步驟四,引入權(quán)值,以融合步驟二和步驟三的預(yù)測值,得到最終的工作負(fù)載預(yù)測值;
步驟五,以當(dāng)前時段數(shù)據(jù)中心實(shí)際工作負(fù)載更新歷史工作負(fù)載信息數(shù)據(jù)庫,循環(huán)執(zhí)行第二、三、四步,預(yù)測數(shù)據(jù)中心工作負(fù)載;
所述的步驟二包括以下步驟:
將數(shù)據(jù)中心歷史工作負(fù)載作為四元組W=<D,T,J,C>,其中D是歷史數(shù)據(jù)的天數(shù),T是一天內(nèi)的時間段數(shù),J是一個D×T二維數(shù)組即矩陣,表示數(shù)據(jù)中心平均運(yùn)行作業(yè)數(shù),Jd,t即表示d天t時間段內(nèi)數(shù)據(jù)中心平均運(yùn)行作業(yè)數(shù),同理,C表示數(shù)據(jù)中心平均工作負(fù)載矩陣,Cd,t是表示d天t時間段內(nèi)數(shù)據(jù)中心平均工作負(fù)載矩陣;則有:
其中,Max1≤x≤D,1≤y≤T{Jx,y}表示歷史數(shù)據(jù)中運(yùn)行作業(yè)的最大數(shù);
采用過去數(shù)天或數(shù)月t-1、t和t+1時段歷史信息預(yù)測未來d天t時段線性工作負(fù)載ξd,t,以如下公式表示為過去k天t時間段工作量與服從正態(tài)分布隨機(jī)誤差的線性組合:
這里是線性預(yù)測模型系數(shù),其中k=1,2,3,…,ad是零均值白噪聲序列,d-k天工作量ξd-k,t為t-1、t和t+1時段作業(yè)數(shù)、工作負(fù)載的線性組合,即:
其中δ是作業(yè)數(shù)與工作負(fù)載的權(quán)值,為了獲知d天t時段線性預(yù)測模型系數(shù)和隨機(jī)誤差ad,使用數(shù)據(jù)中心d天t時段前已知的作業(yè)數(shù)和工作負(fù)載數(shù)據(jù)Jd,1…Jd,t-1,Cd,1…Cd,t-1,并且建立如下線性方程組:
其中系數(shù)為和誤差ad,通過高斯-約當(dāng)消元法解上述線性方程組,得到未來這一時段數(shù)據(jù)中心短期工作負(fù)載。
2.根據(jù)權(quán)利要求1所述的一種小波神經(jīng)網(wǎng)絡(luò)融合線性回歸的數(shù)據(jù)中心工作負(fù)載預(yù)測方法,其特征在于,所述的步驟一中,通過以下公式計算數(shù)據(jù)中心歷史工作負(fù)載:
其中N是作業(yè)數(shù)、Jobi是第i個作業(yè),Ri是第i個作業(yè)所使用的資源數(shù),TR是數(shù)據(jù)中心資源總量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖南農(nóng)業(yè)大學(xué),未經(jīng)湖南農(nóng)業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810095967.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機(jī)存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





