申请/专利权人：天翼云科技有限公司

申请日：2023-12-11

公开（公告）日：2024-03-29

公开（公告）号：CN117785443A

主分类号：G06F9/50

分类号：G06F9/50;G06F11/30;G06F11/34;H04L67/1031;H04L67/1008;H04L67/1029;H04L41/147;H04L41/16;G06N3/0442;G06N3/0464;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开一种基于GC‑LSTM神经网络模型的云资源预测算法，包括两个阶段：训练阶段和预测阶段；在训练阶段，收集云资源的历史数据进行归一化处理得到训练数据集，整理并制作用于神经网络训练的输入数据和标签，训练已经建立的GC‑LSTM神经网络模型；在预测阶段，通过获取的实时采样数据，加载已经训练好的模型进行结果预测，基于预测的结果，可以进行资源的调度和分配，提前做出响应；本发明旨在提前预测客户对资源的需求，优化客户的上云体验。本发明提出的模型简单且参数量少，能够保障预测结果的实时性，具有现实可行性，适用于云资源利用情况的预测并为资源的即时调度提供保障。

主权项：1.一种基于GC-LSTM神经网络模型的云资源预测方法，其特征在于，包括以下步骤：获取训练数据集，其中，训练数据集是通过采集云资源池中每台主机资源使用率的历史时间序列数据组成的矩阵经过归一化操作后获取；对训练数据集进行整理并制作输入数据集和标签用于训练GC-LSTM神经网络模型，将训练数据集划分为N个输入数据集和标签，N为输入数据集和标签的个数，其中，输入数据集是训练数据集的一个子集，标签是所述输入数据集下一时刻的资源利用率；构建GC-LSTM神经网络模型，其中，GC-LSTM神经网络模型包括输入层、GC层、池化层、Flatten层、LSTM层；利用训练数据集训练GC-LSTM神经网络，其中，训练数据集由N个输入数据集组成，将N个输入数据集依次输入GC-LSTM神经网络模型进行训练；将实时采集的资源利用率数据输入训练好的GC-LSTM神经网络进行预测，输出预测结果，其中，预测结果是下一时间序列的资源利用率；根据预测结果，云资源管理中心基于下一时间序列的资源利用率提前对云资源进行分配调度。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 基于GC-LSTM神经网络模型的云资源预测算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD