[发明专利]一种基于深度神经网络算法的网元容量分析与预测的方法

说明书

本发明公开了一种基于深度神经网络算法的网元容量分析与预测的方法。本发明基于深度神经网络算法的网元容量分析与预测的方法具体步骤包括：S1、获取电信网元容量的输入与输出数据，组成样本数据；S2、利用深度神经网络算法训练样本数据得到深度神经网络模型；S3、输入网元容量规划数据、参数，通过深度神经网络模型预测网元容量的资源分配指标。本发明基于深度神经网络算法的网元容量分析与预测的方法，能够预测和规划网元容量的分配指标，合理利用系统的各项资源。

技术领域

本发明属于网元容量指标预测领域，尤其涉及一种基于深度神经网络算法的网元容量分析与预测的方法。

背景技术

为了满足每种软件的功能不断丰富的需求，服务提供商通过不断扩大基础设施来简单升级数据中心。随着需求的波动，可用的云资源总是不能被充分利用。当容量被高估时，额外准备好但未被利用的物质资源纯粹被浪费，且未使用的物质资源不仅造成能源浪费，还会导致更多的购买成本。

此外，高估容量将带来额外的相关成本，如网络，人力和维护，所有这些都与基础设施的规模成正比。另一方面，低估云容量会造成资源短缺和收入损失。

对于云平台来说，硬件资源需要较长时间的采集和部署过程，如果实际需求高于现有容量，云端就不得不推迟服务新客户，从而失去潜在的收入，因此一旦资源出现短缺严重将造成现有客户的现有服务也受到巨大影响。

现有技术中，虚拟化虽然可以最大化地提高服务器各资源的使用率，但无监控和无规划的增加物理机的工作负荷最终会导致虚拟化项目的失败。虚拟化的另一个优势是资源添减的便利性，但如果管理员无计划无节制地进行空间分配会导致物理磁盘产生大量的磁盘碎片。而另一方面，如果容量管理没有分配合理或者根本就没有分配，供需就会失衡，导致资源浪费或者资源不够用，无论是购买的时间太早还是数量过多，都将带来昂贵的代价，资源短缺会直接影响到公司的业务运行并且给用户带来较差的体验。

鉴于上述现技术中存在的不能充分规划利用容量资源的缺陷，本发明人基于从事此类产品设计制造多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种能够对网元容量分析与预测的方法，能够改进一般现有的对虚拟化服务器资源的方法，使其更具有实用性。经过不断的研究、设计，并经过反复试作样品及改进后，终于创设出确具实用价值的本发明。

发明内容

针对现有技术存在的上述缺陷，本发明提供了一种基于深度神经网络算法的网元容量分析与预测的方法，本发明基于深度神经网络算法来分析和预测网元容量，从而合理规划网元容量的分配，改进现有技术中各项资源不能被合理分配使用，导致资源浪费或资源不够用的缺陷，且合理、科学的容量规划可以使企业有效避免成本浪费、资源不稳定等问题的发生，因此，采用深度神经网络算法，自动预测和规划网元容量，使资源的利用率达到最高是本发明的目的所在。

为达到上述技术目的，本发明采取如下技术方案：

一种基于深度神经网络算法的网元容量分析与预测的方法，其特征在于，

S1、获取电信网元容量的输入与输出数据，组成样本数据；

S2、利用深度神经网络算法训练样本数据得到深度神经网络模型；

S3、输入网元容量的性能数据，通过深度神经网络模型预测网元容量的资源分配指标。

作为本发明的优选，步骤S1与步骤S2之间包括：归一化处理样本数据，通过转换函数使样本数据的取值范围为(0,1)。

作为本发明的优选，步骤S2还包括：利用梯度下降的方法更新训练样本的权重矩阵，通过迭代法直到指标的输出误差小于预设误差阈值。