10.19722/j.cnki.1008-7729.2019.0254
基于BPNN-LSTM组合模型的云计算资源负荷预测
有效的负荷预测对提高云计算资源利用效率、 降低电力消耗和运维人力资源成本具有重要意义.针对当前云计算资源负荷预测精度低、难以准确把握历史数据时序特征的问题,提出一种引入时序因素的BPNN-LSTM(BP神经网络-长短期记忆网络)组合预测模型.综合考虑对云计算资源负荷具有重要影响的日期和时间因素,采用LSTM对BPNN的预测残差进行修正,对不同时间维度的云计算资源负荷进行预测.通过与多种预测模型的对比实验,验证了所提出的模型在对云计算资源负荷预测上具有更高的精度和稳定性.
云计算资源、负荷预测、时序因素、BP神经网络、长短期记忆网络
22
TP3(计算技术、计算机技术)
国家重点研发计划;湖北省自然科学基金资助项目
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
53-60