融合分解算法和注意力机制的云负载预测模型

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：沈煦悦,刘景,李风彪

单位：河海大学

摘要：为了提高云平台资源分配的均衡性，针对云资源负载数据的非线性、高噪声以及动态性特点，提出一种融合CEEMDAN分解算法及注意力机制的Transformer-BiLSTM负载预测模型。该模型使用CEEMDAN分解算法对负载序列数据进行分解，得到不同频率的分量，降低数据复杂度；通过Transformer编码层构成的编码器对各分量进行编码，获取数据的全局信息，并把得到的编码输出通过注意力模块进行权重的自适应分配；采用BiLSTM构成的解码器解码得到预测结果。实验结果表明，相较于主流模型，所提出的模型在不同预测步长的误差均有降低，验证了预测方法的有效性。

关键词：云计算;负载预测;CEEMDAN;Transformer;注意力机制;BiLSTM