亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于大數(shù)據(jù)分析技術(shù)的云計(jì)算資源預(yù)測(cè)研究

        2022-11-29 12:31:36盧思安侯國(guó)慶
        計(jì)算機(jī)仿真 2022年10期
        關(guān)鍵詞:方法模型

        盧思安,侯國(guó)慶

        (1. 內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院,內(nèi)蒙古 呼和浩特 010018;2. 內(nèi)蒙古農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,內(nèi)蒙古 呼和浩特 010018)

        1 引言

        在網(wǎng)絡(luò)服務(wù)快速穩(wěn)定發(fā)展的大環(huán)境下,云計(jì)算技術(shù)的應(yīng)用隨著計(jì)算資源需求量的提升而逐漸普及[1],該技術(shù)以分布式并行計(jì)算、網(wǎng)絡(luò)負(fù)載均衡、網(wǎng)格計(jì)算、網(wǎng)絡(luò)存儲(chǔ)等技術(shù)為核心[2],通過云計(jì)算平臺(tái)控制不同硬件設(shè)備協(xié)同運(yùn)行,完成資源調(diào)度、業(yè)務(wù)訪問與數(shù)據(jù)存儲(chǔ)等功能,提升硬件設(shè)備工作效率[3]。作為資源調(diào)度的基礎(chǔ),云計(jì)算資源負(fù)載的預(yù)測(cè)領(lǐng)域云計(jì)算資源研究的主要內(nèi)容之一[4]。

        針對(duì)當(dāng)前普遍使用的基于鯨魚算法等云計(jì)算資源負(fù)載預(yù)測(cè)方法不能有效體現(xiàn)負(fù)載動(dòng)態(tài)波動(dòng)情況等問題[5],研究基于大數(shù)據(jù)分析技術(shù)的云計(jì)算資源預(yù)測(cè)方法,利用混沌分析算法分析負(fù)載時(shí)間序列,生成學(xué)習(xí)樣本,利用支持向量機(jī)構(gòu)建預(yù)測(cè)模型,實(shí)現(xiàn)云計(jì)算資源的準(zhǔn)確預(yù)測(cè)。

        2 云計(jì)算資源預(yù)測(cè)方法

        2.1 預(yù)測(cè)模型構(gòu)建過程

        基于大數(shù)據(jù)分析技術(shù)的云計(jì)算資源預(yù)測(cè)過程集合大數(shù)據(jù)分析技術(shù)中的時(shí)間序列混沌分析方法與支持向量機(jī)模型構(gòu)建云計(jì)算資源預(yù)測(cè)模型,該模型構(gòu)建過程如圖1所示。

        圖1 云計(jì)算資源預(yù)測(cè)模型

        云計(jì)算資源預(yù)測(cè)模型構(gòu)建過程中,在海量云計(jì)算資源負(fù)載的時(shí)間序列數(shù)據(jù)內(nèi)任意選取一個(gè)時(shí)間序列數(shù)據(jù);采用時(shí)間序列混沌分析方法對(duì)所選數(shù)據(jù)進(jìn)行預(yù)處理[6],通過互相關(guān)方法確定時(shí)間序列相空間重構(gòu)的最佳嵌入維和延遲時(shí)間;依照最佳嵌入維和延遲時(shí)間構(gòu)建一個(gè)多維時(shí)間序列,將該多維時(shí)間序列作為學(xué)習(xí)樣本;采用支持向量機(jī)訓(xùn)練學(xué)習(xí)樣本,構(gòu)建預(yù)測(cè)模型,實(shí)現(xiàn)海量數(shù)據(jù)預(yù)測(cè)。

        2.2 時(shí)間序列混沌分析方法

        以x={xi|i=1,2,…,N}表示一個(gè)初始云計(jì)算資源負(fù)載的時(shí)間序列,其中xi和N分別表示第i個(gè)樣本和時(shí)間序列內(nèi)的樣本數(shù)量。依照塔肯斯理論[7],經(jīng)由判斷嵌入維m與延遲時(shí)間t′能夠確定初始云計(jì)算資源負(fù)載的時(shí)間序列的動(dòng)力學(xué)特性[8],公式描述如下:

        (1)

        式(1)內(nèi),M=N-(m-1)t′表示相空間內(nèi)的點(diǎn)數(shù)。

        分析式(1)得到,時(shí)間序列相空間重構(gòu)的核心在于m與t′。確定m與t′的方法較多,但互相關(guān)方法具有較高的通用性[9],利用該方法能夠同時(shí)確定m值與t′值,由此在進(jìn)行云計(jì)算資源負(fù)載時(shí)間序列數(shù)據(jù)相空間重構(gòu)時(shí)的可采用互相關(guān)方法。

        將初始云計(jì)算資源負(fù)載的時(shí)間序列分為子序列,利用式(2)描述互相關(guān)方法的關(guān)聯(lián)積分

        (2)

        (3)

        利用式(4)表示序列x={xi}的檢驗(yàn)統(tǒng)計(jì)量

        C(m,N,r,t)=C(m,N,r,t)-Cm(m,N,r,t)

        (4)

        式(4)內(nèi),r為x={xi}的半徑。

        劃分x={xi|i=1,2,…,N}能夠獲取t個(gè)子序列,由此得到

        (5)

        依據(jù)分塊均值方法確定式(5)的統(tǒng)計(jì)量[10],公式描述如下

        (6)

        式(6)內(nèi),r表示隨機(jī)兩點(diǎn)間的距離。

        設(shè)定N→∞,由此得到

        (7)

        在x={xi|i=1,2,…,N}長(zhǎng)度無窮大的條件下,所有S(m,r,t)值為0,但現(xiàn)實(shí)環(huán)境里,x={xi|i=1,2,…,N}長(zhǎng)度并不是無窮大的,所以S(m,r,t)值不為0,通過局部最大時(shí)間間隔法確定r最小的時(shí)間點(diǎn)[11],得到

        ΔS1(m,t)=max{S1(m,rj,t,N)}

        min{S1(m,rj,t,N)}

        (8)

        使(8)內(nèi),rj表示第j個(gè)半徑值。

        由式(8)得到,最佳t′為ΔS1(m,t)—t間第一個(gè)局部極小值,由此可得

        (9)

        (10)

        t′w=(m-1)t′

        (11)

        依照最佳嵌入維和延遲時(shí)間構(gòu)建一個(gè)多維時(shí)間序列,以此為學(xué)習(xí)樣本利用支持向量機(jī)訓(xùn)練學(xué)習(xí)樣本,構(gòu)建預(yù)測(cè)模型,完成預(yù)測(cè)目的。

        2.3 支持向量機(jī)

        以?(x)表示非線性映射函數(shù),利用?(x)將學(xué)習(xí)樣本映射至高維特征空間內(nèi)[12],在高維空間內(nèi)實(shí)施線性回歸處理,以式(12)表示支持向量機(jī)回歸函數(shù)

        f(x)=w·?(x)+b

        (12)

        式(12)內(nèi),w和b分別表示權(quán)向量和偏置向量。依照最低風(fēng)險(xiǎn)需求[13],利用式(13)所示的優(yōu)化問題描述式(12)

        (13)

        (14)

        (15)

        利用核函數(shù)K(xi,x)取代(?(xi),?(x)),得到

        (16)

        選取徑向基核函數(shù)作為支持向量機(jī)核函數(shù),由此得到:

        (17)

        式(17)內(nèi),σ表示徑向基核函數(shù)寬度參數(shù)。

        由式(16)、(17)得到,通過確定最優(yōu)支持向量?jī)蓚€(gè)參數(shù)H和σ,確定相應(yīng)的f(x)函數(shù)值,即可實(shí)現(xiàn)云計(jì)算資源負(fù)載預(yù)測(cè)模型構(gòu)建的目的。參數(shù)H和σ直接影響模型的質(zhì)量,因此采用蝙蝠算法[15]優(yōu)化參數(shù)H和σ,具體優(yōu)化過程如圖2所示。

        圖2 蝙蝠算法優(yōu)化支持向量機(jī)模型參數(shù)過程

        3 測(cè)試分析

        實(shí)驗(yàn)為驗(yàn)證本文所研究的基于大數(shù)據(jù)分析技術(shù)的云計(jì)算資源預(yù)測(cè)方法的應(yīng)用性,選取某云計(jì)算系統(tǒng)內(nèi)CPU單分鐘內(nèi)的負(fù)載歷史數(shù)據(jù)為測(cè)試對(duì)象,其具體情況如圖3所示。采用MATLAB軟件為仿真工具,驗(yàn)證本文方法的應(yīng)用性。

        圖3 測(cè)試對(duì)象圖

        3.1 測(cè)試對(duì)象時(shí)間序列分析

        Lyapunov指數(shù)法是一種定性分析時(shí)間序列的混沌性方法,采用該方法分析測(cè)試對(duì)象混沌特性,通過傅立葉變換處理測(cè)試對(duì)象,確定測(cè)試對(duì)象平均軌道周期。利用本文方法確定測(cè)試對(duì)象的最佳嵌入維與延遲時(shí)間,獲取重構(gòu)后的測(cè)試對(duì)象多維時(shí)間序列。確定序列內(nèi)各點(diǎn)的離散時(shí)間和鄰近點(diǎn)距離,并求解均值。

        通過上述過程確定Lyapunov指數(shù)為0.0996,該值大于0,因此能夠說明圖3所示的測(cè)試對(duì)象存在混沌特性。采用本文方法分析測(cè)試對(duì)象的最佳嵌入維與延遲時(shí)間所得結(jié)果如圖4所示。由此得到,最佳延遲時(shí)間為8,最佳嵌入窗為12,據(jù)此得到最優(yōu)嵌入維數(shù)為3。

        3.2 預(yù)測(cè)結(jié)果

        以測(cè)試對(duì)象時(shí)間序列分析所得的各項(xiàng)參數(shù)為基礎(chǔ)構(gòu)建測(cè)試對(duì)象負(fù)載學(xué)習(xí)樣本,以圖3內(nèi)數(shù)據(jù)的最后10s為測(cè)試樣本,錢50s數(shù)據(jù)點(diǎn)為訓(xùn)練樣本進(jìn)行學(xué)習(xí),構(gòu)建預(yù)測(cè)模型,進(jìn)行單步預(yù)測(cè)和多步預(yù)測(cè),所得結(jié)果如圖5所示。

        分析圖5(a)內(nèi)的單步預(yù)測(cè)結(jié)果得到,本文模型能夠有效地跟蹤測(cè)試對(duì)象的變化趨勢(shì),獲取高精度的測(cè)試對(duì)象預(yù)測(cè)結(jié)果。

        圖5 預(yù)測(cè)結(jié)果

        由于云計(jì)算資源負(fù)載預(yù)測(cè)的主要目的是預(yù)測(cè)未來固定時(shí)間內(nèi)負(fù)載的波動(dòng)情況,而單步預(yù)測(cè)的結(jié)果通常僅體現(xiàn)下一時(shí)刻負(fù)載的情況,無法體現(xiàn)長(zhǎng)時(shí)間的波動(dòng)情況,因此需要進(jìn)行多步預(yù)測(cè)。

        分析圖5(b)所示的多步預(yù)測(cè)結(jié)果得到,采用本文方法進(jìn)行多步預(yù)測(cè)所得結(jié)果與單步預(yù)測(cè)所得結(jié)果相比較差,但依舊能夠較好地呈現(xiàn)測(cè)試對(duì)象的波動(dòng)情況,預(yù)測(cè)結(jié)果能夠?yàn)闇y(cè)試對(duì)象管理提供有效的輔助。

        3.3 預(yù)測(cè)能力

        以平均絕對(duì)誤差、均方根誤差、均方誤差和均方根誤差為評(píng)價(jià)指標(biāo),評(píng)價(jià)本文方法對(duì)1小時(shí)和2小時(shí)間隔的預(yù)測(cè)結(jié)果,所得結(jié)果如表1所示。

        表1 不同時(shí)間間隔的預(yù)測(cè)結(jié)果

        分析表1得到,在不同時(shí)間間隔條件下,本文方法均可精準(zhǔn)地預(yù)測(cè)測(cè)試對(duì)象負(fù)載值,由此說明本文方法具有較好的泛化能力。

        4 結(jié)論

        本文研究基于大數(shù)據(jù)分析技術(shù)的云計(jì)算資源預(yù)測(cè)方法,對(duì)云計(jì)算資源負(fù)載進(jìn)行預(yù)測(cè),所得結(jié)果顯示本文方法能夠準(zhǔn)確預(yù)測(cè)短時(shí)間內(nèi)的負(fù)載情況,而針對(duì)長(zhǎng)時(shí)間的負(fù)載預(yù)測(cè)也能夠得到較好的效果,預(yù)測(cè)結(jié)果能夠?yàn)闇y(cè)試對(duì)象管理提供有效的輔助。

        猜你喜歡
        方法模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        學(xué)習(xí)方法
        可能是方法不對(duì)
        3D打印中的模型分割與打包
        用對(duì)方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        賺錢方法
        国产精品免费_区二区三区观看| 亚洲偷自拍另类图片二区| 一区一级三级在线观看| 久久综合亚洲色社区| 日本不卡的一区二区三区| 一区二区日本免费观看| 亚洲视频专区一区二区三区| 日本高清一级二级三级| 18禁止看的免费污网站| 国产精品美女久久久久| 中文字幕无码无码专区| 精品国产福利久久久| 久久精品国产精品亚洲艾| 国产一级av理论手机在线| 日韩美女av一区二区三区四区| 一本加勒比hezyo无码专区| 色噜噜av亚洲色一区二区| 9999毛片免费看| 免费大学生国产在线观看p| 国产伦精品一区二区三区在线| 亚洲天堂二区三区三州| av无码国产在线看免费网站| 又黄又爽的成人免费视频| 白浆出来无码视频在线| 久久精品国产亚洲av热九九热| 口爆吞精美臀国产在线| 午夜福利影院成人影院| 97夜夜澡人人双人人人喊| 日本成人一区二区三区| 淫妇日韩中文字幕在线| 午夜一区二区三区福利视频| 国产精品 无码专区| 日本无码人妻波多野结衣| 五十路熟女一区二区三区| 日本不卡一区二区高清中文| 麻豆视频av在线观看| 老鸭窝视频在线观看| 国产日产综合| 免费毛片视频网站| 精品国产一区二区三区九一色| 国产亚洲精品久久久久久国模美|