[发明专利]一种基于深度学习的Web服务QoS预测方法

摘要

本发明公开一种基于深度学习的Web服务QoS预测方法，提出深度学习预测模型对服务质量进行预测。该方法包括以下步骤：首先利用小波变换方法对QoS属性数据进行预处理，将原始序列分解重构为数个低频序列和高频序列，然后对各子序列分别训练深度循环型神经网络模型，在预测阶段将各个循环型神经网络模型的预测值进行叠加得到最终的预测值。为了验证预测效果，对响应时间，吞吐量等QoS属性进行预测，并且采用精度分析和有效性评估两种方式对实验结果进行比较。不同特征的时间序列样本下，深度学习预测模型能保持较高的预测精度，优于单一的预测模型，提供较为稳定良好的预测表现。

主权项

一种基于深度学习的Web服务QoS预测方法，其特征在于，包括以下步骤：步骤1：数据归一化处理；设序列x中的最大值和最小值分别为xmax和xmin，对于序列中所有元素xi有公式：使得新序列x’中所有元素都在[0,1]区间内；步骤2：选取小波函数和分解尺度，并对数据进行单支重构；步骤3：建立DRNN模型；步骤4：由DRNN模型对进行过小波分解重构的数据进行预测；步骤5：将各个子序列训练处的模型的预测结果进行叠加，得到最终的预测值。