[发明专利]一种虚拟机能耗预测方法

摘要

本发明公开了一种虚拟机能耗预测方法。使用本发明能够实现虚拟机能耗预测。本发明中，通过在现有增量型极限学习机模型中加入加速项将网络训练误差与压缩因子反馈到隐含层的输出中使预测结果更逼近输出样本，能够减少增量型极限学习机的冗余隐含层节点数量，从而加快增量型极限学习机的网络收敛速度；通过引入压缩因子与进化解，即在训练过程中通过随机产生的输出权值并结合网络训练误差、压缩因子、输入样本，计算出更优的隐含层节点参数，包括输入权值、阈值、输出权值、网络训练误差，能够优化网络结构，提高网络训练过程的稳定性，从而有效降低网络训练误差。

主权项

1.一种虚拟机能耗预测方法，其特征在于，采用基于加速项与进化解的增量型极限学习机实现虚拟机能耗预测，具体包括如下步骤：步骤一、采用虚拟机能耗的历史数据构建训练样本集，样本的输出为选定时间点的虚拟机能耗值，输入为所述选定时间点前的多个时间点的虚拟机运行参数；步骤二、构建引入了加速项与进化解的增量型极限学习机模型为式(1)，并利用训练样本集进行训练；式中，i表示为隐含层中的第i个节点，L_f表示经过训练后所确定的隐含层节点数；表示为第i个隐含层节点的输出矩阵；α_i‑1e_i‑1为针对第i个隐含层节点加入的所述加速项，其中，e_i‑1为在训练中由于增加了第i‑1个隐含层节点而引入的网络训练误差，其表达了当学习机中仅有第1～第i‑1个隐含层节点时，学习机产生的输出与样本给定的理想输出之间的差值；α_i‑1是为第i个隐含层节点确定的压缩因子，是由网络训练误差e_i‑1计算得到；是为第i个隐含层节点确定的输出权值的进化值，是隐含层节点输出权值的随机给定值与隐含层节点输出权值改进值的线性组合，其中隐含层节点输出权值的改进值是由训练中获得的隐含层节点输入权值和隐含层节点阈值迭代计算得到，隐含层节点输入权值和隐含层节点阈值是由训练中隐含层节点的网络训练误差和输入样本迭代计算得到；所述隐含层节点的输入权值、阈值共同构成了所述进化解；步骤三、将当前时间点前的多个时间点的虚拟机运行参数输入到步骤二训练好的增量型极限学习机中，预测当前时间点的虚拟机能耗值。