【技术实现步骤摘要】
本专利技术涉及云资源预测领域，尤其是涉及一种基于cnn和gru的云资源预测方法、装置及介质。
技术介绍
1、在云计算中，资源的有效管理对于提高性能、降低成本以及提供良好的用户体验至关重要。当前，云资源预测的大多方法结合了历史云资源使用数据，将用户云资源需求规划预测转化为回归问题。计算资源的配置和优化供应在很大程度上离不开对资源使用数据的分析。现有的云计算资源使用预测方法大多依赖于单变量时间序列预测模型。这些模型只考虑单个资源使用指标，如cpu利用率、内存使用率、网络带宽利用率等，根据目标指标的历史数据进行未来预测，并提供单个步骤的预测，忽略了变量之间的多维关系并且难以处理非线性关系。
技术实现思路
1、本专利技术的目的是为了提供一种基于cnn和gru的云资源预测方法、装置及介质，通过使用门控循环单元和卷积神经网络，并依据用户相关云资源的资源利用率、性能指标及日志数据等历史数据进行模型训练，可以更准确地预测未来一段时间内的资源需求，从而帮助云服务提供商和用户做出更好的资源分配决策。
<...【技术保护点】
1.一种基于CNN和GRU的云资源预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于CNN和GRU的云资源预测方法，其特征在于，所述历史云资源数据包括虚拟机平均CρU使用率、最大CρU使用量和最大内存使用量。
3.根据权利要求1所述的一种基于CNN和GRU的云资源预测方法，其特征在于，所述归一化处理采用Min-Max归一化。
4.根据权利要求1所述的一种基于CNN和GRU的云资源预测方法，其特征在于，所述滑动窗口创建具体为：
5.根据权利要求1所述的一种基于CNN和GRU的云资源预测方法，其特征在于，...
【技术特征摘要】
1.一种基于cnn和gru的云资源预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于cnn和gru的云资源预测方法，其特征在于，所述历史云资源数据包括虚拟机平均cρu使用率、最大cρu使用量和最大内存使用量。
3.根据权利要求1所述的一种基于cnn和gru的云资源预测方法，其特征在于，所述归一化处理采用min-max归一化。
4.根据权利要求1所述的一种基于cnn和gru的云资源预测方法，其特征在于，所述滑动窗口创建具体为：
5.根据权利要求1所述的一种基于cnn和gru的云资源预测方法，其特征在于，所述cnn模型包括输入层、卷积层、下采样层、全连接层和输出层，其中，针对每一输入特征分别设计卷积层，每个卷积层负责提取对应的输入的特征，卷积层和下采样层之间引入注意力机制，用于通过权重动态调整每个位置执行卷积和下采样操作的程度。
6.根据权利要求1所述...
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。