[发明专利]一种云服务器负载预测方法

摘要

本发明涉及一种云服务器负载预测方法，针对负载数据的特点，融合云模型与马尔可夫链优点，提出一种云服务器负载预测方法，该方法沿用云模型的历史数据样本训练方法，在预测数值的计算隶属度环节通过马尔科夫预测思想求得预测隶属度向量，再根据预测隶属度向量，对云模型采用预测值加权求和方式，实现云模型与马尔可夫链的有机结合，最终实现云服务器的负载预测。

主权项

1.一种云服务器负载预测方法，用于针对云服务中心进行负载预测，其特征在于，包括如下步骤：步骤A.获得云服务中心所对应的云模型H，并针对云模型H中的各个子云函数，将彼此重叠大于预设重叠阈值的各个子云函数进行合并，更新云模型H，并进入步骤B；步骤B.获得云模型H所对应的马尔可夫转移矩阵P'(N)，并进入步骤C；步骤C.针对云服务中心当前时刻t的负载数据a_t，以及云服务中心上一时刻(t‑1)的负载数据a_t‑1，进行归一化处理，获得a_t所对应的归一化数据x_t，然后计算获得x_t分别相对云模型H中各个子云函数h_n的隶属度μ(x_t)_n，并进入步骤D，其中，n＝{1、…、N}，N表示云模型H中子云函数的数量；步骤D.针对x_t相对云模型H中各个子云函数h_n隶属度μ(x_t)_n，判断是否所有隶属度μ(x_t)_n均低于隶属度阈值μ_limit，是则保留最大隶属度值，其余隶属度值设为0，更新x_t相对云模型集合H中各个子云函数h_n隶属度为μ'(x_t)_n，并进入步骤F；否则进入步骤E；步骤E.针对x_t相对云模型H中各个子云函数h_n隶属度μ(x_t)_n，判断是否存在低于隶属度阈值μ_limit的隶属度，是则将该隶属度值设为0，更新x_t相对云模型集合H中各个子云函数h_n隶属度为μ'(x_t)_n，并进入步骤F；否则直接将x_t相对云模型H中各个子云函数h_n隶属度μ(x_t)_n设为μ'(x_t)_n，并进入步骤F；步骤F.针对x_t相对云模型H中各个子云函数h_n的隶属度μ'(x_t)_n，构成初始矩阵P(0)，并根据P(N)＝P(0)P'(N)，获得一步转移隶属矩阵P(N)，然后进入步骤G；步骤G.分别针对云模型H中的各个子云函数h_n，生成以En_n为期望、以He_n为熵的正态随机数y_n，作为子云函数h_n所对应的权值，进而获得云模型H中各个子云函数h_n分别所对应的权值y_n，然后进入步骤H；其中，En_n表示云模型H中第n个子云函数h_n所对应的数学期望，He_n表示云模型H中第n个子云函数h_n所对应的超熵；步骤H.针对一步转移隶属矩阵P(N)中x_t相对云模型H中各个子云函数h_n的隶属度μ”(x_t)_n，以及云模型H中各个子云函数h_n分别所对应的权值y_n，进行加权平均处理，所获结果即为云服务中心下一时刻的负载预测值。