[发明专利]一种基于AI算法基础的信息系统资源容量预测方法

权利要求书

1.一种基于AI算法基础的信息系统资源容量预测方法，其特征在于，包括以下步骤：

步骤1、根据需要场景提取样本数据并形成数据库；

步骤2、通过tensorflow机器学习框架、tsfresh时序数据特征库、scikit-learn算法库等计算框架提供AI算法基础；

步骤3、采用Holt-winters时序计算模型和线性回归+高斯核算法进行机器学习训练到预测结果；

步骤4、将预测值与实际值进行对比并进行可视化展示。

2.根据权利要求1所述的基于AI算法基础的信息系统资源容量预测方法，其特征在于，所述步骤1中的数据库包含基于IMOC的ES指标库中云平台的历史数据数据。

3.根据权利要求1所述的基于AI算法基础的信息系统资源容量预测方法，其特征在于，所述Holt-winters时序计算模型包括以下步骤：

步骤1、一次指数平滑

预测公式：Y′_t+1＝α·Y_t+(1-α)·Y′_t

递推公式：

展开式：

步骤2、二次指数平滑，二次指数平滑是对一次指数平滑的再平滑

递推公式：

预测公式：Y′_t+T＝a_t+b_t·T，其中

步骤3、三次指数平滑，三次就是在此基础上增加了一个季节分量，

递推公式：S_j＝α(x_i-p_i-k)+(1-α)(S_j-1+t_j-1)

t_i＝β(S_i-S_i-1)+(1-β)t_i-1

p_i＝Y(x_j-S_i)+(1-γ)p_i-k

p_j是“周期性”部分

预测公式：x_i+h＝s_i+ht_i+p_j-k+h

k是这个周期的周长。

4.根据权利要求1所述的基于AI算法基础的信息系统资源容量预测方法，其特征在于，所述线性回归算法包括以下步骤：

输入数据：矩阵X；回归系数：向量w；

给定数据X₁，预测结果

5.根据权利要求1所述的基于AI算法基础的信息系统资源容量预测方法，其特征在于，所述高斯加权算法为：

在估计中引入一些偏差，降低预测均方误差；

给待预测点附近的每个点一定的权重；

W即为权重矩阵，使用高斯核来确定每个权重；