第４０卷第７期计算机应用与软件Ｖｏｌ４０Ｎｏ．７２０２３年７月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＪｕｌ．２０２３基于ＥＭＤＴＣＮ的云资源预测研究史爱武罗良杰何凯（武汉纺织大学云计算与大数据研究中心湖北武汉４３０２００）收稿日期：２０２０－０８－０６。湖北省自然科学基金青年项目（２０１８ＣＦＢ１０９）。史爱武，副教授，主研领域：云计算，大数据。罗良杰，硕士生。何凯，讲师。摘要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。关键词云计算云资源预测经验模态分解时间卷积网络中图分类号ＴＰ３９１文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２３．０７．０１３ＣＬＯＵＤＲＥＳＯＵＲＣＥＰＲＥＤＩＣＴＩＯＮＢＡＳＥＤＯＮＥＭＤＴＣＮＳｈｉＡｉｗｕＬｕｏＬｉａｎｇｊｉｅＨｅＫａｉ（ＣｌｏｕｄＣｏｍｐｕｔｉｎｇａｎｄＢｉｇＤａｔａＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ＷｕｈａｎＴｅｘｔｉｌｅＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３０２００，Ｈｕｂｅｉ，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＰｒｅｄｉｃｔｉｎｇｔｈｅｃｌｏｕｄｃｏｍｐｕｔｉｎｇｒｅｓｏｕｒｃｅｌｏａｄｐｌａｙｓａｖｉｔａｌｒｏｌｅｉｎｈｉｇｈｌｙｅｆｆｅｃｔｉｖｅｒｅｓｏｕｒｃｅａｌｌｏｃａｔｉｏｎ，ｓｅｃｕｒｅａｎｄｓｔａｂｌｅｏｐｅｒａｔｉｏｎｏｆｄａｔａｃｅｎｔｅｒ．Ａｈｙｂｒｉｄｃｌｏｕｄｒｅｓｏｕｒｃｅｃｏｍｂｉｎａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ）ａｎｄｔｅｍｐｏｒａｌｃｏｎｖｏｌｕｔｉｏｎｎｅｔｗｏｒｋ（ＴＣＮ）ｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｕｓｅｄｈｉｓｔｏｒｉ...
