基于组合注意力模型EAAT的云KPI数据预测方法

来源：南京信息工程大学学报·自然科学版杂志2023年第6期北京时间：

作者：丁建立，龚子恒

单位：丁建立,中国民航大学 计算机科学与技术学院, 天津, 300300,龚子恒,中国民航大学 计算机科学与技术学院, 天津, 300300,2013952468@qq.comis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：为了准确分析云计算集群日常监控中KPI （Key Performance Indicator）数据的动态和变化趋势，并预测后续发展，达到提高云计算集群高可用性的目标，本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA （EAAT）云KPI数据预测方法.首先基于经验小波变换（Empirical Wavelet Transform，EWT）得到云KPI数据低中高频的内在模态变量（Intrinsic Mode Functions，IMFs）降低数据预测的复杂程度.其次，根据分解得到的低中高频IMFs信息特征，分别运用ARIMA、Autoformer、TPA-BiLSTM模型对每类IMFs进行预测.最后，将分类预测后结果经过逆变换IEWT加以合并得出预测结果.本文预测方法在谷歌和亚马逊的4个数据集上得到了验证，无论数据是否具有周期性或者稳定性，本文预测方法都有较好的结果，综合效果比对比模型有较大提升.

关键词：云KPI数据;时序预测方法;经验小波变换;组合注意力模型;双向长短时记忆网络

基金资助：国家自然科学基金民航联合基金项目（U2033205，U1833114）