申请/专利权人：上海电机学院

申请日：2023-12-05

公开（公告）日：2024-04-09

公开（公告）号：CN117851031A

主分类号：G06F9/50

分类号：G06F9/50;G06N3/0464;G06N3/0442;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及一种基于CNN和GRU的云资源预测方法、装置及介质，其中方法包括以下步骤：获取历史云资源数据并进行归一化处理和滑动窗口创建；建立以历史云资源数据作为输入、云资源预测结果作为输出的CNN‑GRU模型，CNN‑GRU模型包括CNN模型、GRU模型和加权融合输出层，加权融合输出层利用加权平均法融合CNN和GRU的输出；使用均方误差定义CNN‑GRU模型的损失函数，并以历史云资源数据作为训练集，使用随机梯度下降法最小化损失函数，对模型进行训练；以历史云资源数据作为输入，利用训练完成的CNN‑GRU模型进行云资源预测，生成未来时间点的云资源使用预测。与现有技术相比，本发明具有预测准确等优点。

主权项：1.一种基于CNN和GRU的云资源预测方法，其特征在于，包括以下步骤：S1、获取历史云资源数据并进行归一化处理和滑动窗口创建；S2、建立以历史云资源数据作为输入、云资源预测结果作为输出的CNN-GRU模型，所述CNN-GRU模型包括CNN模型、GRU模型和加权融合输出层，其中，所述CNN模型的输出作为GRU模型的输入，所述加权融合输出层利用加权平均法融合CNN模型和GRU模型的输出，得到云资源预测结果；S3、使用均方误差定义CNN-GRU模型的损失函数，并以历史云资源数据作为训练集，使用随机梯度下降法最小化损失函数，对模型进行训练，调整模型参数；S4、以历史云资源数据作为输入，利用训练完成的CNN-GRU模型进行云资源预测，生成未来时间点的云资源使用预测。

全文数据：

权利要求：

百度查询： 上海电机学院 一种基于CNN和GRU的云资源预测方法、装置及介质

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