【技术实现步骤摘要】
本专利技术属于负载预测领域，尤其涉及一种面向算力网络的负载预测方法。
技术介绍
1、算力网络是“一种根据业务需求，在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施”。
2、随着算力网络、云计算、区块链等领域的蓬勃发展，算力调度已成为支撑算力网络的关键技术。然而，算力网络的负载波动性较大，传统的算力调度使用的固定资源分配方法，无法适应动态负载的变化，导致算力资源浪费和算力网络性能下降。
3、算力网络中负载预测是为了优化算力网络调度过程中的资源分配而产生的。算力网络调度的核心是将对算力的需求调度到合适的算力节点，而如何合适的进行调度是算力调度的难点。在算力调度前进行负载预测可以在一定程度上提前预知可能的算力资源消耗情况，从而给算力调度系统提供参考。
4、现有的负载预测方法主要基于云计算平台，如中国专利技术专利cn103365727b提出了一种云计算环境中的主机负载预测方法，此方法的步骤如下：
5、步骤一、采集前n天的历史数据，并将采集到的数据集分为训练集和验证...
【技术保护点】
1.一种面向算力网络的负载预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述一种面向算力网络的负载预测方法，其特征在于，步骤S102数据集的处理包括以下步骤：
3.如权利要求1所述一种面向算力网络的负载预测方法，其特征在于，步骤S103深度学习模型构建、训练和验证等过程包括如下几个步骤：
4.如权利要求3所述一种面向算力网络的负载预测方法，其特征在于，步骤S1031中，深度学习模型包括以下处理模块：多变量序列输入、实例归一化+Patching、投影+位置编码、Transformer编码、展平+线性头和多变量序列输出；
...【技术特征摘要】
1.一种面向算力网络的负载预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述一种面向算力网络的负载预测方法，其特征在于，步骤s102数据集的处理包括以下步骤：
3.如权利要求1所述一种面向算力网络的负载预测方法，其特征在于，步骤s103深度学习模型构建、训练和验证等过程包括如下几个步骤：
4.如权利要求3所述一种面向算力网络的负载预测方法，其特征在于，步骤s1031中，深度学习模型包括以下处理模块：多变量序列输入、实例归一化+...
【专利技术属性】
技术研发人员：蒋昌俊，闫春钢，王成，丁志军，张鹏，喻剑，张亚英，王利莹，朱航宇，王朝栋，
申请(专利权)人：同济大学，
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。