10.16526/j.cnki.11-4762/tp.2022.08.013
基于CNN-LSTM-PSO的私有云故障检测
有效对私有云系统进行故障检测对于保障IT系统稳定性及开展可靠性信息活动具有重要的实际意义;为此从私有云系统的历史趋势数据出发,将卷积网络(CNN)和长短期记忆(LSTM)循环神经网络结合,提出了基于粒子群优化算法(PSO)的CNN-LSTM-PSO的混合模型,实现对私有云的故障检测;采用X11算法等技术对数据进行预处理,使用CNN网络提取监控指标时序数据的相关特征信息,并通过训练LSTM网络参数建立CNN-LSTM预测模型,设计了 PSO算法对预测模型进行参数选优,减小预测误差,并以高斯正态分布确定阈值范围,实现故障的精准检测;通过和传统单一预测模型以及现有的一些组合预测模型的对比,CNN-LSTM-PSO模型预测后结果的均方根误差、平均绝对误差和平均百分比误差都低于其余模型;实验结果验证了模型在预测效果上具备更高的精度和更快的预测速度,在私有云的故障检测中精确性和实时性都具有良好效果.
LSTM、故障检测、X11分解法、CNN神经网络、PSO算法、高斯正态分布、超参选优
30
TP393(计算技术、计算机技术)
国家重点研发计划;上海市科委项目;上海市科委项目;高等学校学科创新引智计划
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-82,110