基于LSTM-Z的云平台主机负载预测方法

摘要：

由于主机负载具有短期突变性和非线性等特点,主机负载中短期突变的信息难以被捕获.为提高主机负载预测的准确性,设计并实现一种基于Zoneout的LSTM(long short term memory with zoneout,LSTM-Z)主机负载预测方法.该方法能适应具有波动性特点的主机负载预测模式,通过遗传算法在迭代进化过程中探索最优的历史窗口权重向量,充分利用历史数据依赖关系,提高预测的准确性.通过在谷歌和阿里云两个真实的云平台数据上进行单步和多步预测实验,验证了其有效性.

关键词：云平台、主机负载、预测、进化算法、深度学习、长短期记忆网络、正则化

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：新一代信息技术创新基金项目2020ITA01005

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2561-2568