[发明专利]一种国土空间云平台中图层分析响应时间的预测方法

说明书

本发明提供一种国土空间云平台中图层分析响应时间的预测方法，该方法结合国土空间信息服务云平台中多尺度关联的图层分析处理特点及其响应时间的长期平稳与局部突发时序特征，准确检测出导致图层分析处理超时的异常数据和时间局部变化异常的图层分析响应时间数据，进一步基于图层分析响应时间平稳特征和非平稳特征，提取图层分析响应时间的线性表达和非线性表达，构造多元时间特征矩阵，实现国土空间信息服务云平台中图层分析响应时间的准确预测。本发明可在规模化并行服务环境下对国土空间信息的图层分析响应时间准确预测，为国土空间信息服务云平台的计算资源部署和服务优化提供决策参考。

技术领域

本发明涉及地理空间信息领域，尤其涉及一种国土空间信息服务云平台中图层分析响应时间的混合预测方法。

背景技术

国土空间信息服务云平台是遥感影像、土地利用现状、基本农田、土地利用总体规划、矿产资源以及基础地理等多源信息的集合服务平台，为国土资源的计划、审批、供应、补充、开发、执法等业务提供空间信息分析服务。

信息分析处理响应时间预测是Web服务Qos(Quality of Service)中的一个重要评价指标。国土空间信息服务云平台服务是Web应用服务的一种类型，其图层分析响应时间具有非线性、短期多变的特点。在云平台Web应用服务部署前提供合适的计算资源部署方案和服务优化策略具有重要意义。

现有的Web应用服务Qos预测模型和方法可以分为以下几类：

(1)基于协同过滤的Web Qos预测方法

基于协同过滤的Web Qos预测方法的核心思想是根据不同用户或不同服务的相似度去预测其他用户或服务的Qos。其主要特点是模型简单且计算速度快，但只能预测同时期单一的具体服务，不具有较强的泛化能力。Song Y.提出通过计算用户偏好和服务用户的相似度，预测相似用户的服务质量，重点研究了利用Top-K算法缩小相似用户组范围。但此方法依赖于大量的同时间段非待测的用户服务质量数据[1]。Keshavarzi A.等人提出用时序聚类算法进行联盟云平台下Qos的模式识别，重点研究基于可变长染色体的遗传算法提升聚类的速度，未考虑业务应用[2]。

(2)基于时间序列的Web Qos预测方法

基于时间序列的Web Qos预测方法的核心思想是利用时间序列历史数据和当前时刻值的关系预测未来某时刻Web服务Qos。其主要特点是预测结果时效性较强、精度较高但需要稳定的时间序列数据。Atluri V V,Mohanty H.提出利用贝叶斯网络预测Web服务等待时间，利用隐马尔可夫模型预测网络延时，但只简单将Web平台服务状态划分为是否交通阻塞两种状态，并以此作为隐层数据，未考虑其他影响因素[3]。

总结以上模型和方法可知，现有Web应用服务Qos预测模型和方法主要是基于理想状态下，研究Web服务响应时间，很少考虑Web服务平台本身的业务特征或实际应用特点。较少有学者针对国土空间信息服务云平台服务质量优化展开研究。其次，也较少考虑Web服务云平台响应时间数据中异常数据的清洗。

背景技术引用文献：

[1]Song Y.Collaborative prediction of web service quality based onuser preferences and services[J].Plos one,2020,15(12):e0242089.

[2]Keshavarzi A,Haghighat A T,Bohlouli M.Clustering of large scaleQoS time series data in federated clouds using improved variable ChromosomeLength Genetic Algorithm(CQGA)[J].Expert Systems with Applications,2021,164:113840.