-
题名基于深度学习的主机负载在线预测模型研究
被引量：3
- 1
-
-
作者
钱声攀
于洋
翟天一
张徐东
常彦博
-
机构
中国电力科学研究院有限公司信息通信研究所
中国科学院计算技术研究所
中国科学院大学人工智能学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第9期84-89,共6页
-
基金
国家重点研发计划(2017YFB1010001)。
-
文摘
数据中心主机负载预测对于数据中心的资源调度和节能具有重要意义,但是目前缺乏一个通用模型以准确预测所有类型数据中心的主机负载情况。为了使主机负载预测模型具有一定的自适应性,提出一种基于深度循环神经网络编码器-解码器的多步在线预测模型。通过线上实时采集的能耗数据进行在线训练,同时设计一个在线监控模块,对模型的预测准确性进行实时监控和调整,使得该模型在不同数据中心中均能获得较准确的预测值。利用Google开源的时长为29天的数据中心主机负载数据集进行实验,结果表明,该模型的预测准确性接近离线训练,其预测性能优于ESN和LSTM模型。
-
关键词
主机负载预测
深度学习
循环神经网络
在线学习
数据中心
-
Keywords
prediction of host load
deep learning
Recurrent Neural Network(RNN)
online learning
data center
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于基因表达式编程的网格主机负载时间序列分析
被引量：2
- 2
-
-
作者
余建军
秦本涛
蒋晓丹
-
机构
浙江工业大学浙西分校信息与电子工程系
-
出处
《计算机工程与科学》
CSCD
2008年第8期105-107,共3页
-
文摘
针对网格主机负载的特性,本文提出基于基因表达式编程和滑动窗口法构造网格主机负载时间序列模型的方法,扩充美国Dinda所开发的RPS的实验环境以支持基因表达式编程模型,并用该系统对Dinda和O’Halloran在1997年和1998年对39台DECAlphaDUX主机进行抽样所获得的主机负载信息进行实验。结果表明,用本文所提出的方法所构造的预测模型同自动回归模型(AR)相比,具有更高的预测精确度。
-
关键词
基因表达式编程
网格
主机负载预测
滑动窗口法
时间序列
-
Keywords
gene expression programming
grid
host load prediction
slide window method
time series
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
