基于CNN-LSTM-SES组合模型的负载预测

作     者：郭翔 宋初一 宋泽瑞 郭淑妮 胡应钢 姜静清 GUO Xiang;SONG Chuyi;SONG Zerui;GUO Shuni;HU Yinggang;JIANG Jingqing

作者机构：内蒙古民族大学数学科学学院内蒙古通辽028043 三亚学院信息与智能工程学院海南三亚572000 内蒙古民族大学计算机科学与技术学院内蒙古通辽028043 

出 版 物：《内蒙古民族大学学报（自然科学版）》 (Journal of Inner Mongolia Minzu University：Natural Sciences)

年 卷 期：2024年第39卷第3期

页      面：67-74页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62162050,61662057) 内蒙古民族大学博士科研启动基金项目(KYQD23006) 

主　　题：负载预测 麻雀搜索算法 卷积神经网络 长短时记忆网络 一次指数平滑 

摘      要：随着云计算和大数据技术的快速发展,负载预测作为可优化资源分配和提高系统性能的关键任务受到了广泛关注。为了更好地对负载进行长短期时序预测和提高负载预测精度,提出了一种卷积神经网络(CNN)、长短时记忆网络(LSTM)和一次指数平滑(SES)的组合模型,并采用麻雀搜索算法(SSA)优化模型参数。经过处理的数据集分别输入到SSA-CNN-LSTM模型和SSA-SES模型中,然后对这2个模型的输出值用权重系数法进行组合得出最终的输出值。实验结果表明,本文模型在阿里云公开数据集Cluster-trace-v2018上的云计算负载预测中的性能评估值,相较于CNN-LSTM、SES、CNN-LSTM-SES、SSA-CNN-LSTM与SSA-SES模型,预测精度更高。