基于双重注意力机制的云计算负载预测模型

摘要：

针对目前负载预测模型不容易捕获数据时序信息和特征信息的问题,提出一种双重注意力机制的负载预测模型.该模型融合特征注意力机制和时序注意力机制,自适应地挖掘服务器负载的特征信息和时序信息,有效增强网络对特征数据和时序数据的关键信息表达.基于CRITIC方法对服务器各项特征进行加权,计算服务器负载值,从而更加全面和准确地评估服务器下一时刻的负载状态.双重注意力机制网络在长短期记忆网络(LSTM)的基础上引入特征注意力机制和时序注意力机制,以负载值的历史数据为输入对未来时刻服务器的负载值进行预测,有效提高网络对单步预测和多步预测的准确性.在阿里巴巴Cluster-trace-v2018公开数据集上的实验结果表明,双重注意力机制网络相对于LSTM基础的负载预测网络,平均绝对误差和均方误差分别下降了9.2%和16.8%,具有较好的稳定性和准确性.

关键词：云计算、CRITIC方法、长短期记忆网络、负载预测、注意力机制

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

资助基金：河北省高等学校学科技术研究项目;河北省自然科学基金

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：40-48,69