%0 Journal Article
%A 程渤
%A 刘春红
%A 毛文涛
%A 王梦情
%A 张志华
%T 基于时序相关性的云平台多负载序列联合预测
%D 
%R 10.13190/j.jbupt.2019-244
%J 北京邮电大学学报
%P 68-75
%V 43
%N 4
%X 为提高云平台负载预测的精度，提出了一种基于时序相关性的多负载序列联合预测方法.首先，为获得相似的负载序列，采用长短时记忆网络提取负载序列的时序特征，再利用层次聚类法，获得在时序特征空间相似的负载序列类；其次，对获得的每个负载序列类分别构建多任务学习模型，挖掘和利用负载序列间隐藏的共享领域知识，提高模型泛化能力和预测精度，并实现多个负载序列的联合预测.使用Google数据集的中央处理器负载监控日志进行验证，结果表明，时序特征聚类可有效提取和利用负载序列的全局时序特征，降低原始序列的噪声，获得特征上相似的序列；与常用的负载预测方法比，所提方法对不同变化规律的负载序列都具有更精确的预测效果.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2019-244