[发明专利]云仿真内存资源预测模型构建方法与内存资源预测方法

权利要求书

1.一种云仿真内存资源预测模型构建方法，其特征在于，所述方法包括：

获取云仿真应用内存数据的样本集，所述样本集包括训练集和验证集；

获取预设基模型，由所述训练集训练所述预设基模型，得到已训练的基模型，所述预设基模型基于BP神经网络和随机森林构建；

将所述验证集中输入数据输入至所述已训练的基模型，得到验证集预测结果；

根据所述验证集预测结果生成新的训练样本，并根据所述训练样本对预设高斯过程回归模型进行训练，得到已训练的元模型；

根据所述已训练的基模型以及所述已训练的元模型，构建云仿真内存资源预测模型；

所述获取预设基模型，由所述训练集训练所述预设基模型，得到已训练的基模型包括：获取多个预设基模型，将所述训练集随机分为多个训练子集；采用单个训练子集对单个所述预设基模型进行训练，得到多个初始已训练的基模型；获取每个初始已训练的基模型的预测结果均方根误差；基于每个初始已训练的基模型的预测结果均方根误差对多个初始已训练的基模型进行剪枝，得到已训练的基模型集合，所述已训练的基模型集合中包括多个已训练的基模型；

所述获取云仿真应用内存数据的样本集包括：根据预设时间窗口，采集部署于云环境中仿真应用的内存数据集；采用箱线图方式，查找所述内存数据集中异常值；基于时间顺序定位所述异常值，并基于时间顺序使用所述异常值对应的上一样本和下一样本替代所述异常值，得到云仿真应用内存数据的样本集。

2.根据权利要求1所述的方法，其特征在于，所述基于每个初始已训练的基模型的预测结果均方根误差对多个初始已训练的基模型进行剪枝，得到已训练的基模型集合包括：

获取初始已训练的基模型的数量N；

将每个初始已训练的基模型按照对应的预测结果均方根误差排序，得到排序队列；

根据所述排序队列依次选择不同数量i的初始已训练的基模型，计算均方根误差，直至数量i达到数量N，所述N大于等于2；

选取均方根误差最小对应的基模型集合，得到已训练的基模型集合。

3.根据权利要求1所述的方法，其特征在于，所述将所述训练集随机分为多个训练子集包括：

采用bootstrap方法对所述训练集抽样，得到多个训练子集。

4.一种云仿真内存资源预测方法，其特征在于，包括：

采集云仿真应用状态信息；

将所述云仿真应用状态信息输入至已训练的云仿真内存资源预测模型，所述已训练的云仿真内存资源预测模型由权利要求1-3任意一项所述方法构建；

获取所述已训练的云仿真内存资源预测模型输出数据，得到云仿真应用内存资源预测结果。

5.根据权利要求4所述的方法，其特征在于，还包括：

监控分配至云仿真应用的内存资源；

根据上一时刻预测得到的云仿真应用内存资源预测结果和当前时刻的云仿真应用的内存资源，反馈更新所述已训练的云仿真内存资源预测模型。