基于GRU-LSTM模型的云计算资源负载预测方法  

作　　者：周璇 

机构地区：[1]广州软件学院

出　　处：《中国新通信》2024年第23期17-19,共3页China New Telecommunications

摘　　要：为解决传统负载预测模型存在的精确度差、预测效率低等问题,提高负载预测的高效性和精确性,本文运用门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆(Long-Short Term Memory,LSTM)网络,设计了一种基于GRU-LSTM组合预测模型的云计算资源负载预测方法。首先,分析了云计算资源负载时间系列预测问题。其次,根据GRU、LSTM相关概念,完成了对基于GRU-LSTM的组合预测方法设计。最后,确定数据来源与处理,介绍了模型评价指标,并采用实验分析的方式验证了本文所提出的负载预测方法的有效性和可靠性。结果表明:本文所提出的负载预测方法具有均方误差低、预测时间短等优势,符合实际应用需求,可为后期类似预测方法的进一步优化提供有效依据和有益参考。

关 键 词：GRU-LSTM模型 云计算 资源负载 预测方法 

分 类 号：TP393.09[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]