[發(fā)明專利]一種基于邊緣計算環(huán)境的數(shù)據(jù)資源需求預測和調整方法

在審

• 申請?zhí)枺?/td>: 201910930817.1
• 申請日: 2019-09-29
• 公開（公告）號: CN111191113A
• 公開（公告）日: 2020-05-22
• 發(fā)明（設計）人: 高嶺;王文濤;牛秀娟;吳旭東;高全力
• 申請（專利權）人: 西北大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 西安西達專利代理有限責任公司 61202
• 代理人: 劉華

1.一種基于邊緣計算環(huán)境的數(shù)據(jù)資源需求預測和調整方法，其特征在于，包括以下步驟：

步驟1，利用數(shù)據(jù)資源需求預測模塊實現(xiàn)特定場景的資源預測，劃分邊緣計算場景要素，提前獲取場景處理任務所需的歷史資源信息；

步驟2，利用數(shù)據(jù)預測算法，對場景運轉所需的資源信息做出相應預測，輸出場景進行時可用的若干個數(shù)據(jù)資源模板供后續(xù)使用；

步驟3，利用損失參數(shù)，評估模板的準確性，包括改變參數(shù)更新模板和廢棄模板重新訓練；

步驟4，利用資源需求預測方法得到的若干個數(shù)據(jù)資源模板信息，使用相似度思想、專家經(jīng)驗系數(shù)、場景偏好系數(shù)等內容，對輸出的模板資源數(shù)據(jù)做可信任度劃分、場景偏好性調整和專家經(jīng)驗調整的修正。

2.根據(jù)權利要求1所述的一種基于邊緣計算環(huán)境的數(shù)據(jù)資源需求預測和調整方法，其特征在于，所述的數(shù)據(jù)資源需求預測模塊，根據(jù)邊緣計算所需虛擬資源構建邊緣資源度量模型，所需虛擬資源指邊緣端正常處理任務時所需的物理和虛擬資源，包括：

計算處理器CPU資源RES_CPU；

圖形處理器GPU資源RES_GPU；

邊緣端存儲資源RES_DISK；

邊緣端網(wǎng)絡帶寬資源RES_BW。

3.根據(jù)權利要求1所述的一種基于邊緣計算環(huán)境的數(shù)據(jù)資源需求預測和調整方法，其特征在于，所述的數(shù)據(jù)資源需求預測模塊，針對邊緣場景資源的前后延續(xù)性和強時間關聯(lián)性，利用LSTM預測算法，依據(jù)待預測資源當前t時刻的資源狀態(tài)以及該資源前n個時刻的資源狀態(tài)x(t)，x(t-1)，……，x(t-n+1)，結合訓練的LSTM模型，預測該資源未來t+1時刻的資源狀況，得到相應場景所需的虛擬資源的下一刻狀態(tài)m個預測結果，稱為信息模板，C₁，C₂，……，C_m；

構建傳統(tǒng)的LSTM模型，包含輸入層，LSTM神經(jīng)網(wǎng)絡層，全連接層，輸出層，每一個隱藏神經(jīng)單元包括遺忘門(forget gate)、輸入門(input gate)、輸出門(output gate)，激活函數(shù)選擇sigmod，對遺忘門進行如下操作

F_t＝sigmod(W_f[h_t-1,y_t]+b_f)

其中，W_f為遺忘門權重，b_f為遺忘門偏移量，將上一神經(jīng)單元輸出門的狀態(tài)，h_t-1和當前的節(jié)點值y_t作為sigmoid函數(shù)的輸入，F(xiàn)_t表示當前遺忘門的輸出。

4.根據(jù)權利要求1所述的一種基于邊緣計算環(huán)境的數(shù)據(jù)資源需求預測和調整方法，其特征在于，所述的數(shù)據(jù)資源需求預測模塊，利用損失函數(shù)模塊，得到損失參數(shù)σ，評估預測算法的適用程度，通常情況下，采用下面的損失函數(shù)評估模型:

其中，L代表損失函數(shù)，Ф(θ)代表懲罰項，

針對邊緣計算場景數(shù)據(jù)的連續(xù)性，使用平方損失函數(shù)來估計損失，可以采用均方差MSE來估計：

當σ超過一定的值σ_certain時，對模型進行更新，調整模型參數(shù)，包括：

1)若σ0.8,則廢棄模型重新訓練；

2)若0.8σ0.2,調整參數(shù)，更新模型；

3)若0.2σ，繼續(xù)使用，不改變模型原有狀態(tài)。