[发明专利]云平台资源使用预测方法及终端设备

说明书

本发明适用于计算机应用技术领域，提供了一种云平台资源使用预测方法、终端设备及计算机可读存储介质，包括：获取云平台的历史使用数据，确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重通过对获取到的历史使用数据按照每月最大值归档，根据计算得到的线性相关系数确定时间和使用量之间是否为线性相关，并根据相关情况调整两个预测模型的权重，最后根据两个预测模型和调整之后的权重预测出未来预设时间的使用量，简化了参与预测的数值和预测得到的数值的数量和类型，提高了云平台资源使用量预测过程的效率和准确度。

技术领域

本发明属于计算机应用技术领域，尤其涉及一种云平台资源使用预测方法、终端设备及计算机可读存储介质。

背景技术

互联网产业作为一种快速发展的产业，在短短几十年中已经经过了个人计算机、互联网两代具有里程碑意义的革新，互联网技术保持着螺旋式的发展，并给人们的生活、生产带来了极大推进作用。极速地发展导致海量数据的出现、数据中心的膨胀以及应用数量的激增，如果不提出对应的解决方案，这些问题将会导致整个互联网产业的崩溃。这时云计算理念应运而生，并毫无悬念的掀起了互联网产业的第三次的革新浪潮。从现在各大互联网公司对于云计算的研发投入以及国家对于云计算的重视程度来可以看出云计算重要程度。

现有技术中通过自回归积分滑动平均模型进行预测，该模型短期预测效果有效，但对数据的要求极高，使用难度大、计算资源消耗高，尤其是在长期预测的情况下预测结果不够准确。

发明内容

有鉴于此，本发明实施例提供了一种云平台资源使用预测方法、终端设备及计算机可读存储介质，以解决现有技术中云平台在资源使用预测过程中预测效果不够准确的问题。

本发明实施例的第一方面提供了一种云平台资源使用预测方法，包括：

获取云平台的历史使用数据；所述历史使用数据包括历史资源使用量以及每个所述历史资源使用量对应的使用时刻；

确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重；所述线性回归模型和所述神经网络模型为预先根据云平台的历史使用数据训练得到，用于对所述云平台的使用情况进行预测；

将所述历史使用数据分别输入所述线性回归模型和所述神经网络模型预测得到所述云平台在预设时段内的第一资源使用量和第二资源使用量，再根据所述线性回归模型和所述神经网络模型调整之后的权重计算所述第一资源使用量和所述第二资源使用量之间的加权和，得到所述云平台在预设时段内的资源使用量。

本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取云平台的历史使用数据；所述历史使用数据包括历史资源使用量以及每个所述历史资源使用量对应的使用时刻；

确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重；所述线性回归模型和所述神经网络模型为预先根据云平台的历史使用数据训练得到，用于对所述云平台的使用情况进行预测；

将所述历史使用数据分别输入所述线性回归模型和所述神经网络模型预测得到所述云平台在预设时段内的第一资源使用量和第二资源使用量，再根据所述线性回归模型和所述神经网络模型调整之后的权重计算所述第一资源使用量和所述第二资源使用量之间的加权和，得到所述云平台在预设时段内的资源使用量。

本发明实施例的第三方面提供了一种终端设备，包括：

获取单元，用于获取云平台的历史使用数据；所述历史使用数据包括历史资源使用量以及每个所述历史资源使用量对应的使用时刻；