【技术实现步骤摘要】
本专利技术涉及运维数据预测，具体涉及一种基于顺序信息感知的运维时序数据的预测方法。
技术介绍
1、运维时序数据的长序列预测技术在企业信息系统维护、网络设备监控、云计算平台资源调度以及工业设备健康管理等众多运维场景中扮演着至关重要的角色。现代网络基础设施和工业系统产生的海量运维监控数据呈现出明显的时序特性，准确预测这些运维时序数据对于实现故障预警、性能优化、资源规划和成本控制具有重要意义。运维时序数据的预测需要模型能够深度剖析历史监控数据，捕捉跨越不同时间尺度的复杂依赖性和系统状态的动态演变规律，以实现对未来系统行为和可能异常的准确预判。
2、近年来，深度学习技术，特别是transformer架构的出现，凭借其强大的自注意力机制，革新了运维时序数据处理的方式，有效提升了对序列中长距离依赖关系的捕获能力，并促进了并行计算的高效实施。递归神经网络（rnn）及其变体也在顺序模式建模方面表现出色，能够捕捉时间序列数据中的动态变化规律。
3、然而，传统的时序预测模型在处理运维场景中常见的长序列数据时，往往在捕捉长程依赖关系、...
【技术保护点】
1.一种基于顺序信息感知的运维时序数据的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤S1中所述对长运维时序数据进行分片包括以下步骤：
3.根据权利要求2所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤S1中所述高维嵌入表示的表达式为：
4.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤S2中所述自注意力值的表达式为：
5.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，...
【技术特征摘要】
1.一种基于顺序信息感知的运维时序数据的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤s1中所述对长运维时序数据进行分片包括以下步骤：
3.根据权利要求2所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤s1中所述高维嵌入表示的表达式为：
4.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤s2中所述自注意力值的表达式为：
5.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的预测方法，其特征在于：步骤s2中所述全局注意力的表达式为：
6.根据权利要求1所述的一种基于顺序信息感知的运维时序数据的...
【专利技术属性】
技术研发人员：袁景凌，童苏欣，范志强，张鑫，
申请(专利权)人：武汉理工大学，
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。