【技术实现步骤摘要】
本专利技术涉及云计算，具体涉及算力需求预测方法、装置及计算机设备。
技术介绍
1、算力需求是指在数字经济时代，各行各业对计算能力的需求。算力相当于数字经济时代的机器设备和生产力，面向各种场景的数据产品或应用都离不开算力的加工和计算。数字经济时代，数据的爆炸式增长和算法的复杂程度不断提高，对算力需求越来越高，因此准确预测出算力具有重要意义。
2、现有的技术中，预测各个地区的算力需求，均依赖于该地区自有数据，数据单一性程度高，容易造成数据孤岛，孤岛效应又会导致该地区算力需求预测准确性不可靠，最终造成算力需求的低效或无效预测。
技术实现思路
1、本专利技术的目的在于提供算力需求预测方法、装置及计算机设备，以解决现有技术中依赖于该地区自有数据，数据单一性程度高，容易造成数据孤岛，孤岛效应又会导致该地区算力需求预测准确性不可靠的技术问题。
2、为解决上述技术问题，本专利技术具体提供下述技术方案：
3、在本专利技术的第一个方面，本专利技术提供了一种算力需求预测方法，包括以下步骤：
4、获取一组已知算力需求的地块，标记为一组先验地块；
5、选取一个监测时间段，在监测时间段内，同步获取目标地区和各个先验地区的个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量，得到目标地区和先验地区的算力需求预测特征序列；
6、基于特征相似性，通过先验地区的算力需求预测特征和目标地区的算力需求预测特征序列，得到目标地区的算力需求预测
7、利用目标地区的算力需求预测模型，对目标地区进行算力需求预测。
8、作为本专利技术的一种优选方案，个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量的获取方法包括：
9、统计任一时刻处个人在移动终端上消耗的数据流量，个人在互联网络上消耗的数据流量以及个人在gps定位中消耗的数据流量，并求和得到任一时刻处的个人产生的数据量；
10、统计任一时刻处目标地区的泛娱乐时长，通过泛娱乐数据量换算公式，得到任一时刻处泛娱乐产生的数据量；
11、统计任一时刻处目标地区的传感器设备中监控设备产生的数据量，通过传感器设备数据量换算公式，得到任一时刻处传感器设备产生的数据量。
12、作为本专利技术的一种优选方案，所述泛娱乐数据量换算公式为：；式中，d2为泛娱乐产生的数据量，为泛娱乐用户 i的渗透率，为泛娱乐用户 i在单位时间对应消耗的数据流量，为泛娱乐用户 i进行泛娱乐的时长，n为泛娱乐用户总数。作为本专利技术的一种优选方案，所述传感器设备数据量换算公式为：；
13、式中，d3为传感器设备产生的数据量，n为同码率的监控设备个数，为监控设备 j在单位时间对应产生的数据量，p为监控设备在传感器设备中的占比，m为监控设备总数量。
14、作为本专利技术的一种优选方案，所述算力需求预测特征序列的构建方法包括：获得监测时间段内各个时刻处的个人产生的数据量，并将监测时间段内各个时刻处的个人产生的数据量以时刻顺序排列，得到第一算力需求预测特征序列，表达式为：{d1t|t∈[t1,tn]},其中，d1t为时刻t处的个人产生的数据量，t1为监测时间段内的第1个时刻，tn为监测时间段内的第n个时刻；获得监测时间段内各个时刻处的泛娱乐产生的数据量，并将监测时间段内各个时刻处的泛娱乐产生的数据量以时刻顺序排列，得到第二算力需求预测特征序列，表达式为：{d2t|t∈[t1,tn]},其中，d2t为时刻t处的泛娱乐产生的数据量，t1为监测时间段内的第1个时刻，n为监测时间段内的第n个时刻；监测时间段内各个时刻处的传感器设备产生的数据量，并将监测时间段内各个时刻处的传感器设备产生的数据量以时刻顺序排列，得到第三算力需求预测特征序列，表达式为：{d3t|t∈[t1,tn]},其中，d3t为时刻t处的传感器设备产生的数据量，t1为监测时间段内的第1个时刻，n为监测时间段内的第n个时刻。作为本专利技术的一种优选方案，所述目标地区的算力需求预测模型的构建方法包括：
15、将目标地区的第一算力需求预测特征序列分别与各个先验地区的第一算力需求预测特征序列进行相似性比较，并选取出相似性最高的先验地区作为第一特征相似地区；
16、将目标地区的第二算力需求预测特征序列分别与各个先验地区的第二算力需求预测特征序列进行相似性比较，并选取出相似性最高的先验地区作为第二特征相似地区；
17、将目标地区的第三算力需求预测特征序列分别与各个先验地区的第三算力需求预测特征序列进行相似性比较，并选取出相似性最高的先验地区作为第三特征相似地区；
18、将第一特征相似地区、第二特征相似地区和第三特征相似地区与目标地区间的相似度，作为第一特征相似地区、第二特征相似地区和第三特征相似地区的加权权重；
19、利用第一特征相似地区、第二特征相似地区和第三特征相似地区的加权权重，对第一特征相似地区、第二特征相似地区和第三特征相似地区的算力需求进行组合，得到求解目标地区算力需求的所述算力需求预测模型；
20、所述算力需求预测模型的表达式为：dgoal=a1*dsim1+a2*dsim2+a3+dsim3；式中，dgoal为目标地区的算力需求，a1、a2和a3分别为第一特征相似地区、第二特征相似地区和第三特征相似地区的加权权重，dsim1、dsim2和dsim3分别为第一特征相似地区、第二特征相似地区和第三特征相似地区的算力需求。
21、作为本专利技术的一种优选方案，还包括：在各个先验地区中依次将每个先验地区标记为样本地区；
22、在每个样本地区及剩余先验地区中，将样本地区的第一算力需求预测特征序列/第二算力需求预测特征序列/第三算力需求预测特征序列分别与剩余先验地区的第一算力需求预测特征序列进行相似性比较，并选取出相似性最高的先验地区作为第一特征相似地区/第二特征相似地区/第三特征相似地区；
23、将第一特征相似地区、第二特征相似地区和第三特征相似地区与样本地区间的相似度，作为第一特征相似地区、第二特征相似地区和第三特征相似地区的加权权重；
24、将每个样本地区的第一算力需求预测特征序列、第二算力需求预测特征序列和第三算力需求预测特征序列作为bp神经网络的输入项，将第一特征相似地区、第二特征相似地区和第三特征相似地区的加权权重作为bp神经网络的输出项；
25、利用bp神经网络对bp神经网络的输入项和bp神经网络的输出项进行映射学习，得到权重测算模型；
26、所述权重测算模型的表达式为：[a1,a2,a3]=bp({d1t|t∈[t1,tn]}, {d2t|t∈[t1,tn]}, {d3t|t∈[t1,tn]})；式中，a1、a2和a3分别为第一特征相似地区、第二特征本文档来自技高网...
【技术保护点】
1.一种算力需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种算力需求预测方法，其特征在于：个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量的获取方法包括：
3.根据权利要求2所述的一种算力需求预测方法，其特征在于：所述泛娱乐数据量换算公式为：；式中，D2为泛娱乐产生的数据量，为泛娱乐用户i的渗透率，为泛娱乐用户i在单位时间对应消耗的数据流量，为泛娱乐用户i进行泛娱乐的时长，n为泛娱乐用户总数。
4.根据权利要求3所述的一种算力需求预测方法，其特征在于：所述传感器设备数据量换算公式为：；式中，D3为传感器设备产生的数据量，N为同码率的监控设备个数，为监控设备j在单位时间对应产生的数据量，p为监控设备在传感器设备中的占比，m为监控设备总数量。
5.根据权利要求4所述的一种算力需求预测方法，其特征在于，所述算力需求预测特征序列的构建方法包括：
6.根据权利要求5所述的一种算力需求预测方法，其特征在于：所述目标地区的算力需求预测模型的构建方法包括：
7.根据权利要求6所述的一种算力
8.根据权利要求2所述的一种算力需求预测方法，其特征在于，目标地区和先验地区的个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量进行归一化处理。
9.一种算力需求预测装置，其特征在于，包括：
10.一种计算机设备，其特征在于，包括：至少一个处理器；以及
...【技术特征摘要】
1.一种算力需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种算力需求预测方法，其特征在于：个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量的获取方法包括：
3.根据权利要求2所述的一种算力需求预测方法，其特征在于：所述泛娱乐数据量换算公式为：；式中，d2为泛娱乐产生的数据量，为泛娱乐用户i的渗透率，为泛娱乐用户i在单位时间对应消耗的数据流量，为泛娱乐用户i进行泛娱乐的时长，n为泛娱乐用户总数。
4.根据权利要求3所述的一种算力需求预测方法，其特征在于：所述传感器设备数据量换算公式为：；式中，d3为传感器设备产生的数据量，n为同码率的监控设备个数，为监控设备j在单位时间对应产生的数据量，p为监控设备在传感器设备中...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：深圳威尔视觉科技有限公司，
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。