基于EMD-TCN的云资源预测研究

云计算资源的负载预测有助于数据中心灵活智能地配置资源，保障数据中心安全平稳运行。该文提出一种基于经验模态分解和时间卷积网络的云资源组合预测模型，使用历史的资源负载预测未来的资源需求。对负载进行经验模态分解，以降低原云资源负载序列的复杂度，得到反映原负载序列趋势和变化信息的本征模态分量和残余分量；将这些分量构造后输入到时间卷积网络中进行建模预测。以Google集群数据集中的CPU负载序列为例，将该模型与常用的云资源预测模型进行对比验证。实验结果发现，相比于长短时记忆网络和时间卷积网络，该模型在平均绝对百分比误差指标上降低了36.32%和35.37%,预测精度有了明显提升。