【技术实现步骤摘要】
时序数据预测模型的训练方法、时序数据预测方法和装置
[0001]本公开涉及人工智能领域，特别涉及一种时序数据预测模型的训练方法、时序数据预测方法和装置。
技术介绍
[0002]对于资源的准确预测是保障云平台及虚拟化平台正常、高效运行的重要手段。准确的资源预测可以预警运维人员及时更新、扩容物理资源，扩大、缩小虚拟化资源等。
技术实现思路
[0003]本公开实施例提出一种能够预测云平台及虚拟化平台的物理资源或虚拟化资源等资源数据的非平稳的时序数据预测方案。
[0004]本公开一些实施例提出一种时序数据预测模型的训练方法，包括：
[0005]输入训练用的时序数据(X，z
t
)，z
t
表示t时刻对应的时序数据，X表示t时刻、t时刻之前的时刻、以及z
t
相关的特征；
[0006]设置f
i
表示函数库中的第i个函数，α
i
是第i个函数的系数，n是超参数，y
t
表示t时刻对应的残差时序数据；<...
【技术保护点】
【技术特征摘要】
1.一种时序数据预测模型的训练方法，其特征在于，包括：输入训练用的时序数据(X，z
t
)，z
t
表示t时刻对应的时序数据，X表示t时刻、t时刻之前的时刻、以及z
t
相关的特征；设置f
i
表示函数库中的第i个函数，α
i
是第i个函数的系数，n是超参数，y
t
表示t时刻对应的残差时序数据；设置p是超参数，y
t-j
表示(t-j)时刻对应的残差时序数据，β
j
代表y
t-j
的系数，表示t时刻对应的残差时序数据的预测值；利用时序数据预测模型计算t时刻对应的时序数据的预测值根据z
t
和利用拟合的方法对α
i
和β
j
进行训练，输出训练后的时序数据预测模型2.根据权利要求1所述的方法，其特征在于，各个时刻的残差时序数据构成平稳时序数据。3.根据权利要求1所述的方法，其特征在于，训练用的时序数据(X，z
t
)为训练用的资源数据，z
t
表示t时刻对应的资源数据，X表示t时刻、t时刻之前时刻、以及资源数据相关的特征；训练得到的时序数据预测模型为资源数据预测模型。4.根据权利要求1所述的方法，其特征在于，函数库中的函数包括指数函数、对数函数、线性函数、三角函数。5.根据权利要求1-4任一项所述的方法，其特征在于，当时序数据预测模型为存储资源增长量预测模型时，输入的训练用的时序数据(X，z
t
)中的X为...
【专利技术属性】
技术研发人员：王浩彬，李晨，黄芬芬，王田媛，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。