基于改进TFT的云服务器资源利用数量预测方法技术

本发明专利技术提供了一种云服务器资源利用数量预测的方法。该方法改进TFT（时序融合变压器）多步时间序列预测技术，应用在云服务器资源利用数量的预测中。所述方法包括：数据集特征变量分解；生成训练集测试集；数据特征变量划分；设计并改进TFT预测模型；不同的数据特征变量进入模型相应接口；模型训练；生成目标预测模型；模型测试。本发明专利技术提供了新的变量分解方法，并利用TFT变量分类提取和多步融合预测的优势，在改进算法之后加快了模型拟合速度，提升了预测准确度和鲁棒性。该发明专利技术解决了目前云服务器资源利用的数据由于特征变量过少，多步预测准确度低的技术问题，满足了云服务平台通过对服务器资源利用数量的预测进行安全部署、资源协调的需求。源协调的需求。源协调的需求。

【技术实现步骤摘要】
基于改进TFT的云服务器资源利用数量预测方法


[0001]本专利技术属于通信
，尤其是涉及一种基于改进TFT（时序融合变压器模型）的云服务器资源利用数量预测方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]云服务平台是在一定的网络环境下，服务商为企业提供大规模计算的服务平台。当前一些传统的性能分析方法无法很好地解决云服务平台部署、资源利用、架构和技术等方面的挑战，通过对服务器资源利用数量的准确预测可以在一定程度上解决这些问题。对云平台服务器的资源利用数量进行预测，一方面，可以对未来可能面对的平台用户高峰期做出预判，提前进行部署从而防止服务器过载以及保证访问安全；另一方面，还可以在资源利用低迷期减少服务器的投入，从而降低资源的损耗。
[0004]然而，云平台后台产生的云服务器使用情况数据，其原始数据仅有一列与时间戳对应的变量数据，使得预测存在局限性，预测时无法精准提取特征，传统模型能学习到的东西少之又少，最后致使结果不准确。传统的单变量预测方法一般为应用前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进TFT的云服务器资源利用数量预测方法，其特征在于，包括：s1：获取一段时间内云服务器资源利用数量的数据进行特征变量提取和分解，通过基于时间序列分解的预测模型Prophet，使两列原始数据（时间戳和实际变量值）的特征变量扩增到多列；s2：将所述Prophet模型输出的值进行选择性提取，提取输入值对应的时间戳和实际值，并获取所述Prophet模型计算的趋势项动态变量，得到新数据集；s3：对新数据集进一步手动扩充时间序列变量，增加年、月、日、星期、周末、节日、季节项，最终使两列原始数据扩充为多列数据，形成多变量数据集作为模型输入；s4：把所述多变量输入数据的特征变量划分为三类，分别为静态季节变量、过去观测变量、已知时间变量；s5：设计并改进TFT模型，改进变量选择模块中的GLU（门控线性单元）层，实现增强对过去信息选择性获取和遗忘的功能，其计算公式为：公式一：其中所述W1，W2，W3为待训练的权重参数，所述b、c，d为待训练的偏置参数，gelu（）为激活函数gelu， 为矩阵乘法计算；s6：改进TFT模型中的注意力计算方式，使用双头注意力机制，Q，K，V为输入的embedding分别乘上一个权重矩阵得到的query、key、value，首先对K进行采样，随机选择n个K，得到Kn，对qi∈Q关于Kn求M值，公式如下：公式二： 其中qi∈Q，kj∈Kn找到M中最大的n个qi，组成Qn ，关于Kn求A（Qn,Kn,V）,公式如下：公式三： 其中Qn为选中的n个qi组成的矩阵，没有选中的qi求A（Q,K,V）后求均值初始化为原始Qr矩阵，Qn矩阵中非0值更新到Qr矩阵...

【专利技术属性】
技术研发人员：李敏，陈庆辉，李刚，周鸣乐，刘一鸣，刘千龙，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：