计算机工程

作者：王恩旭, 王晓红, 张坤, 张冬雯

单位：河北科技大学 信息科学与工程学院, 石家庄 050018

关键词：云计算,CRITIC方法,长短期记忆网络,负载预测,注意力机制

基金：河北省高等学校学科技术研究项目(ZD2020176); 河北省自然科学基金(F2022208002)

针对目前负载预测模型不容易捕获数据时序信息和特征信息的问题，提出一种双重注意力机制的负载预测模型。该模型融合特征注意力机制和时序注意力机制，自适应地挖掘服务器负载的特征信息和时序信息，有效增强网络对特征数据和时序数据的关键信息表达。基于CRITIC方法对服务器各项特征进行加权，计算服务器负载值，从而更加全面和准确地评估服务器下一时刻的负载状态。双重注意力机制网络在长短期记忆网络（LSTM）的基础上引入特征注意力机制和时序注意力机制，以负载值的历史数据为输入对未来时刻服务器的负载值进行预测，有效提高网络对单步预测和多步预测的准确性。在阿里巴巴Cluster-trace-v2018公开数据集上的实验结果表明，双重注意力机制网络相对于LSTM基础的负载预测网络，平均绝对误差和均方误差分别下降了9.2%和16.8%，具有较好的稳定性和准确性。

来源：2023年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第11期