[发明专利]一种硬件事件的预测方法及系统

权利要求书

1.一种硬件事件的预测方法，其特征在于，包括以下步骤：

步骤a：利用性能计数器采集云环境下的多维硬件事件，根据所述多维硬件事件确定目标硬件事件；

步骤b：分析所述目标硬件事件的时间序列，通过所述目标硬件事件的时间序列构建HMM模型；

步骤c：通过所述HMM模型计算所述目标硬件事件在下一时刻的使用情况，完成对所述目标硬件事件的预测。

2.根据权利要求1所述的硬件事件的预测方法，其特征在于，所述步骤a还包括：对所述多维硬件事件进行预处理，所述预处理具体为：

步骤a1：将所述多维硬件事件进行归一化处理，所述归一化公式为：

ts=ts-μδ]]>

在上述公式中，μ为多维硬件事件的均值，σ为多维硬件事件的标准差；

步骤a2：将所述多维硬件事件进行离散化处理，经过离散化处理的每一维硬件事件分别代表一种10个级别的观测状态；所述离散化公式为：

在上述公式中，表示向下取整。

3.根据权利要求2所述的硬件事件的预测方法，其特征在于，在所述步骤b中，所述通过目标硬件事件的时间序列构建HMM模型还包括：将所述目标硬件事件的时间序列划分为训练集和测试集，通过所述训练集对HMM模型进行参数估计。

4.根据权利要求3所述的硬件事件的预测方法，其特征在于，所述参数估计具体为：采用EM算法进行参数估计，所述参数估计方式包括：

(1)初始化：

对n＝0，选取a_ij⁽⁰⁾，b_j(k)⁽⁰⁾，π_i⁽⁰⁾，得到模型λ⁽⁰⁾＝(A⁽⁰⁾,B⁽⁰⁾,π⁽⁰⁾)；

(2)递推；

对n＝1，2，...，

aij(n+1)=Σt=1T-1ξt(i,j)Σt=1T-1γt(i)]]>

bj(k)(n+1)=Σt=1,ot=vkTγt(j)Σt=1Tγt(j)]]>

π_i(n+1)＝γ₁(i)

在上述公式中，H是所有可能的隐藏状态的集合，H＝{h₁,h₂,...,h_N}；

观测集合V，V是所有可能的观测状态的集合，V＝{v₁,v₂,...,v_M}；观测状态集合V即所述10个级别的观测状态；

I是长度为T的隐藏状态序列，I＝(i₁,i₂,..,i_T)；

O是对应的观测序列，O＝(o₁,o₂,...,o_T)；

A是状态转移概率矩阵，A＝[a_ij]_N×N，其中，a_ij＝P(i_t+1＝h_j|i_t＝h_i)是在时刻t处于状态h_i的条件下在时刻t+1转移到状态h_j的概率；

B是观测概率矩阵，B＝[b_j(k)]_N×M，其中，b_j(k)＝P(o_t＝v_k|i_t＝h_j)是在时刻t处于状态q_i的条件下生成观测状态v_k的概率；

初始状态概率向量π，π＝(π_i)，其中π_i＝P(i₁＝h₁)是时刻t＝1处于状态q_i的概率；

(3)训练结束，得到模型参数λ⁽ⁿ⁺¹⁾＝(A⁽ⁿ⁺¹⁾,B⁽ⁿ⁺¹⁾,π⁽ⁿ⁺¹⁾)。