[发明专利]一种大数据系统实时服务参数自适应调整方法

权利要求书

1.一种大数据系统实时服务参数自适应调整方法，其特征在于：包括采集系统资源使用监控记录；

基于Elman神经网络建立系统资源使用预测模型；

对系统资源使用预测模型的训练和预测，包括以下步骤：S1：利用固定尺寸重叠滑动窗口技术从系统资源使用监控记录数据中提取资源负荷子序列集；S2：使用聚类算法将资源负荷子序列集按照最优个数分成若干类，放置在不同的聚类簇中；S3：输入当前的资源负荷数据，并将该数据和已有的聚类簇的数据进行似然度计算，提取具有与当前资源负荷数据具有最大似然度的聚类簇；S4：将聚类簇的资源负荷子序列集输入到Elman神经网络预测模块中对其进行训练和预测，获得所需的资源负荷预测值；

根据资源使用预测值，自动调整系统实时服务参数。

2.如权利要求1所述的大数据系统实时服务参数自适应调整方法，其特征在于：所述S2中聚类簇的最优个数的计算方法：

S21：利用AIC准则计算聚类对应的最高后验概率P(M/X)的值，式中，d为HMM模型M参数空间中所有参数的总数，N为所给数据个数的总和，为数据xi属于第k个聚类的隶属度，Pk是混合模型中每个HMM模型的先验概率；

S22：AIC准则通过权衡对数似然项和复杂度惩罚项来确定最佳聚类个数。

3.如权利要求1所述的大数据系统实时服务参数自适应调整方法，其特征在于：所述S4中Elman神经网络预测模块的训练具体包括以下步骤：构建Elman神经网络模型，初始Elman神经网络的权值阈值长度；通过遗传算法对Elman神经网络的权值进行训练；获取最优权值阈值；对Elman神经网络进行更新权值训练。

4.如权利要求3所述的大数据系统实时服务参数自适应调整方法，其特征在于：通过遗传算法对Elman神经网络的权值进行训练的方法：种群个体实数编码和种群初始化；将Elman神经网络训练误差作为适应度值；进行选择、交叉和变异操作，计算适应度值；检查是否满足结束条件，产生神经网络的最优权值阈值。

5.如权利要求4所述的大数据系统实时服务参数自适应调整方法，其特征在于：所述适应度值的计算公式：

E(k)＝1/2(yd(k)-y(k))T(yd(k)-y(k))；式中yd(k)为第k步网络的实际输出。