云计算资源扩容需求的预测方法、系统、终端设备及产品技术方案

本发明专利技术公开了一种云计算资源扩容需求的预测方法、系统、终端设备以及计算机程序产品。该云计算资源扩容需求的预测方法通过获取待预测用户的云计算资源使用数据；获取预设的深度神经网络模型的模型权重，其中，所述深度神经网络模型基于训练样本进行离线训练得到；根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。相比于传统基于决策树、随机森林等浅层机器学习的算法实现针对用户进行云计算资源扩容意愿的预测方式，本发明专利技术通过结合深度神经网络不断训练得出的合理的模型权重来分析用户的云计算资源使用数据，能够显著提高预测用户对于云计算资源扩容需求的准确性。的准确性。的准确性。

【技术实现步骤摘要】
云计算资源扩容需求的预测方法、系统、终端设备及产品


[0001]本专利技术涉及网络云计算领域，尤其涉及一种云计算资源扩容需求的预测方法、系统、终端设备以及计算机程序产品。

技术介绍

[0002]云计算资源扩容对于云计算服务提供商来说是挖掘商机和维护客户云网络稳定性的主要手段，而客户对于云计算资源扩容的意愿起到了主导作用。因此精确预测客户扩容需求十分关键。
[0003]现有针对客户进行云计算资源扩容意愿的预测方法主要是基于决策树、随机森林等浅层机器学习的算法实现，然而，在数据逞爆发式增长的当下，与云产品需求预测相关的数据越来越多，且客户需求也逐渐变得多样且难以确定，如此，现有的针对客户进行云计算资源扩容意愿的预测方法已无法精准的进行云计算资源扩容意愿的预测。

技术实现思路

[0004]本专利技术的主要目的在于提供一种云计算资源扩容需求的预测方法、系统、终端设备以及计算机程序产品，旨在提高预测客户对于云计算资源扩容意愿或者需求的精准性。
[0005]为实现上述目的，本专利技术提供一种云计算资源扩容需求的预测方法，所述云计算资源扩容需求的预测方法包括：
[0006]获取待预测用户的云计算资源使用数据；
[0007]获取预设的深度神经网络模型的模型权重，其中，所述深度神经网络模型基于训练样本进行离线训练得到；
[0008]根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。
[0009]所述根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果的步骤，包括：
[0010]将所述模型权重导入预设的需求预测程序，以基于所述需求预测程序利用所述模型权重搭建新的深度神经网络模型；
[0011]通过所述需求预测程序将所述云计算资源使用数据输入所述新的深度神经网络进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。
[0012]优选地，所述获取待预测用户的云计算资源使用数据的步骤之后，还包括：
[0013]根据所述云计算资源使用数据生成新的数据特征以得到处理后的云计算资源使用数据；
[0014]所述根据所述模型权重针对所述云计算资源使用数据进行计算的步骤，包括：
[0015]根据所述模型权重针对所述处理后的云计算资源使用数据进行计算。
[0016]优选地，在所述根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果的步骤之后，所述方法还包括：
[0017]根据所述预测结果辅助针对所述待预测用户进行云计算资源扩容营销。
[0018]优选地，在所述获取预设的深度神经网络模型的模型权重的步骤之前，所述方法还包括：
[0019]采集云计算资源使用数据构建训练样本，并基于所述训练样本针对所述深度神经网络模型进行离线训练。
[0020]优选地，所述深度神经网络模型包括一个输入层、一个输出层和多个隐藏层，所述基于所述训练样本针对所述深度神经网络模型进行离线训练的步骤，包括：
[0021]按照一个输入层、一个输出层和多个隐藏层的结构搭建深度神经网络模型；
[0022]将所述训练样本输入所述深度神经网络模型以针对所述深度神经网络模型进行离线的迭代训练直至模型收敛。
[0023]优选地，所述模型权重包括线性系数矩阵和偏倚向量，所述获取预设的深度神经网络模型的模型权重的步骤，包括：
[0024]在所述深度神经网络模型的迭代训练过程中，检测模型损失函数的最小化极值；
[0025]当检测到所述最小化极值时，获取所述深度神经网络模型中各隐藏层和输出层的线性系数矩阵和偏倚向量。
[0026]此外，为实现上述目的，本专利技术还提供一种云计算资源扩容需求的预测系统，所述云计算资源扩容需求的预测系统包括：
[0027]第一获取模块，用于获取待预测用户的云计算资源使用数据；
[0028]第二获取模块，用于获取预设的深度神经网络模型的模型权重，其中，所述深度神经网络模型基于训练样本进行离线训练得到；
[0029]需求预测模块，用于根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。
[0030]其中，本专利技术云计算资源扩容需求的预测系统的各功能模块在运行时实现如上所述的云计算资源扩容需求的预测方法的步骤。
[0031]此外，为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的云计算资源扩容需求的预测程序，所述云计算资源扩容需求的预测程序被所述处理器执行时实现如上所述的云计算资源扩容需求的预测方法的步骤。
[0032]此外，为实现上述目的，本专利技术还提供计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的云计算资源扩容需求的预测方法的步骤。
[0033]此外，为实现上述目的，本专利技术还提供一种计算机存储介质，所述计算机存储介质上存储有云计算资源扩容需求的预测程序，所述云计算资源扩容需求的预测程序被处理器执行时实现如上所述的云计算资源扩容需求的预测方法的步骤。
[0034]本专利技术提供一种云计算资源扩容需求的预测方法、系统、终端设备、计算机程序产品以及计算机存储介质，通过获取待预测用户的云计算资源使用数据；获取预设的深度神经网络模型的模型权重，其中，所述深度神经网络模型基于训练样本进行离线训练得到；根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。
[0035]本专利技术在针对使用云计算资源的用户进行云计算资源扩容需求的预测时，通过先获取待预测用户对于云计算资源的云计算资源使用数据，并获取预先基于训练样本进行离线训练得到的深度神经网络模型的模型权重，然后，基于该模型权重针对获取得到的云计算使用资源进行计算，从而得到针对该待预测用户的云计算资源扩容需求进行预测的预测结果。
[0036]本专利技术相比于传统基于决策树、随机森林等浅层机器学习的算法实现针对用户进行云计算资源扩容意愿的预测方式，本专利技术通过结合深度神经网络不断训练得出的合理的模型权重来分析用户的云计算资源使用数据，从而能够显著提高预测用户对于云计算资源扩容需求的准确性，满足了在数据爆发性增长情况下，精细化预测用户对云计算资源的扩容需求以实现云计算资源高效营销的需求。
附图说明
[0037]图1为本专利技术实施例方案涉及的终端设备硬件运行环境的设备结构示意图；
[0038]图2为本专利技术云计算资源扩容需求的预测方法一实施例的流程示意图；
[0039]图3为本专利技术云计算资源扩容需求的预测方法一实施例所涉及的应用流程示意图；
[0040]图4为本专利技术云计算资源扩容需求的预测方法一实施例所涉及的深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云计算资源扩容需求的预测方法，其特征在于，所述云计算资源扩容需求的预测方法包括：获取待预测用户的云计算资源使用数据；获取预设的深度神经网络模型的模型权重，其中，所述深度神经网络模型基于训练样本进行离线训练得到；根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。2.如权利要求1所述的云计算资源扩容需求的预测方法，其特征在于，所述根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果的步骤，包括：将所述模型权重导入预设的需求预测程序，以基于所述需求预测程序利用所述模型权重搭建新的深度神经网络模型；通过所述需求预测程序将所述云计算资源使用数据输入所述新的深度神经网络进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果。3.如权利要求1所述的云计算资源扩容需求的预测方法，其特征在于，在所述获取待预测用户的云计算资源使用数据的步骤之后，还包括：根据所述云计算资源使用数据生成新的数据特征以得到处理后的云计算资源使用数据；所述根据所述模型权重针对所述云计算资源使用数据进行计算的步骤，包括：根据所述模型权重针对所述处理后的云计算资源使用数据进行计算。4.如权利要求1所述的云计算资源扩容需求的预测方法，其特征在于，在所述根据所述模型权重针对所述云计算资源使用数据进行计算，以得到预测所述待预测用户的云计算资源扩容需求的预测结果的步骤之后，所述方法还包括：根据所述预测结果辅助针对所述待预测用户进行云计算资源扩容营销。5.如权利要求1所述的云计算资源扩容需求的预测方法，其特征在于，在所述获取预设的深度神经网络模型的模型权重的步骤之前，所述方法还包括：采集云计算资源使用数据构建训练样本，并基于所述训练样本...

【专利技术属性】
技术研发人员：江勇，费云，白雪峰，潘树伟，朱剑伟，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：