[发明专利]小波神经网络融合线性回归的数据中心工作负载预测方法

摘要

本发明公开了一种线性回归与小波神经网络融合的短期工作负载预测方法，包括：第一步，通过数据中心系统日志文件建立历史工作负载数据库；第二步，针对数据中心数天或数月同时段工作负载的相对稳定性，采用线性回归预测短期工作负载；第三步，由于数据中心一天内各时段工作负载具有相对波动性和局部稳定性，本专利采用误差反馈传播小波神经网络技术预测工作负载；第四步，融合线性回归与小波神经网络预测技术预测数据中心短期工作负载；第五步，以当前时段数据中心实际工作负载更新历史工作负载信息数据库，循环执行第二、三、四步预测工作负载。本发明较之现有技术具有精度高等优势，能为数据中心资源管理和能耗控制提供有力技术保障。

主权项

1.一种数据中心线性回归与小波神经网络融合的短期工作负载预测方法，其特征在于，包括如下步骤：步骤一，通过数据中心系统的日志文件得到历史作业及每个作业使用的资源量，从而计算得到数据中心历史工作负载，同时根据日志文件中的历史作业数及执行工作的时间，创建数据中心历史工作负载信息数据库；步骤二，将每天的时间划分为多个时间段，并确定需要进行预测工作负载的时间段，根据数据中心历史工作负载信息数据库中记录的数天或数月中每天同一时间段的数据，将时间段内的作业数和工作负载作为线性组合，建立线性方程组来进行该时间段的线性回归短期工作负载预测；步骤三，同样取步骤二中需要进行预测工作负载的时间段，以该时间段的未知工作负载预测作为输出，与该时间段相邻时间段的已知工作负载数据作为输入，采用包括输入、隐藏和输出的经典三层前馈小波神经网络模型，对该时间段的工作负载进行预测；步骤四，引入权值，以融合步骤二和步骤三的预测值，得到最终的工作负载预测值；步骤五，以当前时段数据中心实际工作负载更新历史工作负载信息数据库，循环执行第二、三、四步，预测数据中心工作负载。