-
题名基于时空图注意力网络的云平台负载数据预测方法
- 1
-
-
作者
李英健
王永生
刘晓君
任渊
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区呼和浩特市武川县水务局
内蒙古自治区政府办公厅综合保障中心
-
出处
《计算机科学》
北大核心
2025年第S1期696-703,共8页
-
基金
国家自然科学基金(62366039)
内蒙古自治区自然科学基金(2021LHMS06001)
+1 种基金
内蒙古自治区科技计划项目(2023YFSH0066)
呼和浩特市科技重大专项(2022-高重-2)。
-
文摘
实时预测云平台监控收集的负载数据,有助于云运维中及早获取系统未来的性能趋势。但由于负载数据通常不具备明显的周期性或规律性,存在较多的噪声干扰,现有方法在特征学习规划上存在不足,需要依赖其他负载特征并且难以捕捉负载趋势的动量。为实现精准高效的负载数据预测,提出了一种基于时空图注意力网络的云平台负载数据预测方法。首先,运用改进经验小波变换对负载数据做时频域变换,降低噪声干扰并得到有效分解后的模态特征;为了提高模型处理尖峰和非周期性特征的能力,利用金融技术指标设计适合负载数据特性的关键性能因子;然后,将模态特征和关键性能因子与原始序列进行特征重构,构建图学习层;最后,利用图注意力网络动态捕获负载序列和特征之间的关系,并通过双向长短期记忆网络关注时间依赖信息。使用亚马逊和阿里云等负载数据集进行实验验证,结果表明,在4个数据集上,RMSE相比最优对比模型分别降低了13.44%,36.90%,7.41%和14.93%。
-
关键词
云平台
负载预测
经验小波变换
金融技术指标
图注意力网络
双向长短期记忆网络
-
Keywords
Cloud platform
Load forecasting
Empirical wavelet transform
Financial technical indicators
Graph attention network
BiLSTM network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
