张巍然,侯艳红

• 1:陕西国防工业职业技术学院计算机与软件学院

摘要(Abstract)：

云计算平台的负载预测对于保障系统稳定运行和提高服务质量具有重要意义，然而由于云计算环境的动态性和负载数据的非线性特征，传统的预测方法往往难以达到满意的准确度。为了解决这一问题，提出一种基于变分模态分解(VMD)方法和麻雀搜索算法(SSA)优化LSTM网络的云计算负载预测模型。首先，利用VMD对原始负载数据进行预处理，以提取更多的特征信息；然后采用SSA迭代优化LSTM的参数，最后训练和使用改进的VMD-SSA-LSTM模型预测负载数据。实验结果表明，VMD-SSA-LSTM模型相较于改进前的LSTM模型，预测误差(MAE和MSE)降低39%以上；与传统的RNN和ARIMA模型相比，其预测误差降低28%以上，同时该模型在R2指标上表现最优且MAPE指标降低41%以上。因此与传统的预测模型相比，该模型在预测准确性和稳健性方面具有明显优势，该研究为云计算平台的负载预测提供了一种新的思路。

关键词(KeyWords)： 云计算;负载预测;变分模态分解;麻雀搜索算法;长短期记忆网络

Abstract:

Keywords:

基金项目(Foundation): 陕西省重点研发计划项目(编号：2021GY-110);; 陕西国防工业职业技术学院2024年科研计划项目(编号：Gfy24-28)

作者(Author): 张巍然,侯艳红

DOI: 10.20064/j.cnki.2095-347X.2025.02.004

参考文献(References)：

• [1] 李佳颖，杨泽民，宋哲代，等.Kubernetes容器云的弹性伸缩方法研究[J/OL].电子科技，2024:1-9[2024-11-25].https://doi.org/10.16180/j.cnki.issn1007-7820.2025.03.005.
• [2] 史经犇.基于Kubernetes的弹性伸缩与动态调度策略设计与实现[D].上海：华东师范大学，2023.
• [3] 徐江，张晨飞，王富强，等.基于ARIMA-LSTM的容器云资源预测方法[J].重型机械，2022,(6):6-14.
• [4] 刘佳，王冰，王琛，等.云平台的负载预测及弹性伸缩方案研究[J].铁路计算机应用，2024,33(2):63-66.
• [5] 夏哲渊.基于Kubernetes的弹性伸缩容器云的设计与实现[D].北京：北京邮电大学，2023.
• [6] 李英豪，郭昊龚，刘盼盼，等.基于时间卷积网络的云平台负载预测方法[J].计算机科学，2023,50(7):254-260.
• [7] 申磊雪.基于Kubernetes的弹性深度学习模型部署平台的设计与实现[D],西安：西安电子科技大学，2022.
• [8] 史爱武，罗良杰，何凯.基于EMD-TCN的云资源预测研究[J].计算机应用与软件，2023,40(7):85-90.
• [9] 谢同磊，邓莉，曹振，等.基于LSTM-Z的云平台主机负载预测方法[J].计算机工程与设计，2023,44(9):2561-2568.
• [10] 胡应钢，郭翔，赵海燕，等.基于粒子群优化GRU-RNN组合模型的云计算资源负载预测[J].内蒙古民族大学学报(自然科学版),2023,38(4):315-321.
• [11] 蔡亮，周泓岑，白恒，等.基于多层BiLSTM和改进粒子群算法的应用负载预测方法[J].浙江大学学报(工学版),2020,54(12):2414-2422.
• [12] 化成城，柴立宁，周占峰，等.基于变分模态分解的休息态虚拟现实晕动症脑电自动检测[J].电子测量与仪器学报，2024,38(2):171-181.
• [13] 张效源，刘利军，辛超，等.锅炉燃烧系统变分模态分解建模方法研究[J].自动化仪表，2024,45(6):6-10.
• [14] 朱林青，张涛，吕灼恒，等.基于LSTM预测模型的应用性能异常检测[J].计算机仿真，2024,41(5):536-542.
• [15] 王晖.基于云平台的信息丢失与突发性负载预测方法研究[D].哈尔滨：哈尔滨师范大学，2023.
• [16] 彭福康，王恩东，高晓锋.基于CNN-LSTM神经网络的磁盘故障预测方法[J].计算机应用与软件，2024,41(6):92-100+149.
• [17] 赵鹏，周建涛，赵大明.基于CEEMDAN-ConvLSTM组合模型的云计算负载预测方法[J].计算机科学，2023,50(S1):652-660.
• [18] 贺小伟，徐靖杰，王宾，等.基于GRU-LSTM组合模型的云计算资源负载预测研究[J].计算机工程，2022,48(5):11-17+34.
• [19] 陈丝雨，庄毅，李静.基于LSTM网络的移动云计算多元负载预测模型[J].计算机与现代化，2021,(6):74-85.
• [20] 王恩旭.基于硬件指标的微服务负载均衡算法优化研究[D].石家庄：河北科技大学，2023.
• [21] 侯明华，袁颖，杨丛铭，等.基于麻雀搜索算法优化Elman残差自校正地面沉降预测模型[J].科学技术与工程，2023,23(13):5470-5480.
• [22] 吴俊伟，陈保家，陈正坤，等.SSA-TCN在涡扇发动机剩余使用寿命预测的应用[J].三峡大学学报(自然科学版),2023,45(6):92-100.
• [23] 张恒，张雷，姚海峰，等.基于麻雀搜索算法优化BP人工神经网络的短期湍流预报模型研究[J].长春理工大学学报(自然科学版),2024,47(2):58-65.
• [24] 王清，陈祉如，李贵民，等.基于VMD与TCN的台区短期负荷预测算法研究[J].哈尔滨理工大学学报，2024,29(2):121-129.
• [25] 李凤云，窦泽慧，李朋，等.基于长短期记忆网络的炼钢厂碳排放量预测方法[J].大数据，2024,10(4):66-76.
• [26] 蔡宁泊，张程，王伟.基于长短期记忆神经网络模型的多步滚动预测方法[J].科学技术与工程，2024,24(19):8356-8361.
• [27] 张俱珲，孟建军，李德仓，等.基于SSA-BP的铁路沿线风速预测方法[J].计算机仿真，2023,40(12):209-212+260.
• [28] 郭翔，宋初一，宋泽瑞，等.基于CNN-LSTM-SES组合模型的负载预测[J].内蒙古民族大学学报(自然科学版),2024,39(3):67-74.