[发明专利]基于多层卷积和GRU的容量预测方法和装置

说明书

本发明公开了一种基于多层卷积和GRU的容量预测方法和装置，其中方法包括：获取待预测对象的容量历史趋势数据；对所述容量历史趋势数据进行预处理；搭建多层卷积和GRU的容量预测模型；以及将容量历史趋势数据输入到所述容量预测模型中进行训练，根据训练后的模型对未来容量趋势进行预测。该容量预测方法可以提高模型的预测准确率。

技术领域

本发明涉及计算机信息处理技术领域，特别是涉及一种基于多层卷积和 GRU的容量预测方法和装置。

背景技术

随着互联网技术的发展，为了保证公司业务的正常运行，运维人员需要根据各种实时监控数据对系统的稳定进行评估，其中，容量趋势的预测在故障管理中有着十分重要的作用，通过对CPU内存使用率的预测可以对系统进行实时监控，预知未来时间段资源的可用性，发出异常警告，而且对未来进行自动横向扩容、自动生成容量提供指导意义。因此，通过分析容量历史趋势，找出其中规律，实现对未来趋势的准确预测。

但是，在进行系统评估在现有技术解决方案中，大多是通过回归以及时间序列分析的方法对历史容量的趋势进行拟合，由于历史序列波动性较大，一般只能对容量未来趋势变化的主体趋势进行预测，预测精度不能满足通过对容量预测实现主机cpu运行异常的预警。

通过对容量历史趋势数据预测未来走势的方法具有以下缺点：

1)阈值告警：通过设定固定的阈值来进行告警，这种方法可以提醒相关运维人员进行采购，但是不能对具体的采购量给出建议。由于业务变化带来的cpu 利用率徒增或者突降，使得趋势波动大，传统的方法拟合能力不足，预测效果较差。

2)经验预测：运维人员通过自身的经验对容量趋势进行预估，预测误差较大；容量趋势往往周期性不明显，ARIMA模型以及其他方法不能捕捉到变化规律。

3)线性模型：如ARIMA模型、指数平滑模型等，模型训练时间较短，预测精度较高，但对于波动较大的时间序列预测精度较差。

以上缺陷会影响到容量预测的准确度，不能对运维人员的扩容工作提供较大的帮助。

发明内容

本发明的目的在于提供一种基于多层卷积和GRU的容量预测方法和装置，提高模型的预测准确率。

为实现上述目的，本发明提供了一种基于多层卷积和GRU的容量预测方法，包括：

获取待预测对象的容量历史趋势数据；

对所述容量历史趋势数据进行预处理；

搭建多层卷积和GRU的容量预测模型；以及

将容量历史趋势数据输入到所述容量预测模型中进行训练，根据训练后的模型对未来容量趋势进行预测。

可选的或优选的，所述容量预测模型通过对不同尺度的卷积进行拼接，再将拼接后的多层卷积层输入到GRU中得到。

可选的或优选的，每一层的卷积核个数相同，卷积核步长不同。

可选的或优选的，对容量历史趋势数据进行预处理包括对缺失数据进行补全、异常数据剔除、数据的归一化处理。

可选的或优选的，缺失数据补全时，对缺失数据直接进行补零。

可选的或优选的，更新完成数据库之后，会触发循环遍历数组，如果数组为空则执行结束。

可选的或优选的，异常数据剔除时，对容量历史序列进行一阶差分，对差分后的序列按照3σ原则找出区间外的点，并将对应的原始序列中的点替换为该点相邻的两个点的平均值，该平均值计算公式如下：

其中，x_n-1代表相邻点的前一个点，x_n+1代表相邻点的后一个点，代表两个点的平均值。