基于人工智能的数据中心机房网络流量预测

发布时间：2021-09-24 21:28

　　数据中心UPS系统合理的运行方式对数据中心的管理和运行具有十分重要的意义,PUE、pPUE、CLF/PLF、 RER是通用的衡量数据中心的能效指标,UPS系统的构建和系统运行方式的选择能对数据中心的能效指标起到重要作用,当地市电的供电质量对UPS系统运行有重要的影响,灵活的UPS系统运行方式能最大程度对数据中心能耗优化。 

【文章来源】：信息系统工程. 2020,(11)

【文章页数】：3 页

【部分图文】：

LSTM流程图

将表1的所有网络流量数据用作训练样本,对LSTM模型和神经网络模型进行训练,各个模型的训练结果分别如图2所示。从网络可以看出,LSTM模型的预测结果和实际的结果更加匹配,在机房网络流量预测中,比神经网络表现出更强的泛化能力和更加准确的预测结果。

【参考文献】：
期刊论文
[1]一种趋势划分的灰色马尔可夫网络流量预测方法[J]. 陶晓玲,彭维洋.  桂林电子科技大学学报. 2010(03)
[2]基于泛函网络的非线性回归预测模型及学习算法[J]. 何登旭,李艳芳,刘向虎,周永权.  计算机工程与应用. 2008(24)
[3]改进的灰色马尔可夫模型在股票分析中的应用[J]. 张恩明,王艳,李文红.  哈尔滨工程大学学报. 2007(11)
[4]多元线性回归的预测建模方法[J]. 王惠文,孟洁.  北京航空航天大学学报. 2007(04)



本文编号：3408481