“负载预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果529725个，建议您升级VIP下载更多相关专利

[发明专利]一种云环境应用系统非停机升级时的负载预测方法及装置-CN201910511227.5有效
发明人：钱琳;庞恒茂;俞俊;朱广新;张根周;赵永柱;王琳;梅竹;陈海洋;许明杰 -专利权人：南瑞集团有限公司;国电南瑞科技股份有限公司;国网陕西省电力公司
申请日： 2019-06-13 - 公布日： 2022-07-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种云环境应用系统非停机升级时的负载预测方法及装置，该方法包括：按时间序列获取云环境应用系统下非停机升级时功能模块负载样本数据集，并进行预处理；对预处理后的负载样本数据集采用三角形隶属函数进行模糊化处理，并用均值等分区间离散化，生成负载离散样本数据集；将负载离散样本数据集交叉生成训练集Str和测试集Ste，利用所述训练集Str构建决策树模型进行升级时负载高低的预测，并进行迭代训练；采用测试集Ste对训练后的决策树模型进行剪枝并进行负载预测本发明用于解决现有静态负载预测方法负载预测精度不高的问题，实验结果表明，本发明给出的基于决策树预测模型可以很好的预测出在指定日期的负载高低，错误率在3％以内。
一种环境应用系统停机升级负载预测方法装置

[发明专利]一种资源部署方法、装置及资源服务器-CN201711476871.0有效
发明人：魏丽红;孔令山;杨健;陈大庆;潘鑫 -专利权人：中移（杭州）信息技术有限公司;中国移动通信集团公司
申请日： 2017-12-29 - 公布日： 2021-07-06 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种资源部署方法、装置及资源服务器，其中，资源部署方法应用于包括多个应用服务器的资源服务器，应用服务器为资源服务器中一个或多个虚拟服务器的集合，针对任一应用服务器，包括：获取应用服务器的当前负载；根据预测负载曲线获取应用服务器的当前预测负载；预测负载曲线是根据应用服务器至少一个历史周期内的负载与时间之间的关系统计获得的；在应用服务器的当前负载小于应用服务器的当前资源且应用服务器的当前负载小于应用服务器的当前预测负载时预测负载是一个根据预测负载曲线获得的可随时间动态变化的预测值，在应用服务器处于低峰负载状况时，能够使应用服务器释放出更多的资源。
一种资源部署方法装置服务器

[发明专利]一种基于卡尔曼滤波神经网络的工程车辆负载功率预测方法-CN201910153857.X有效
发明人：李天宇;刘惠影 -专利权人：吉林大学
申请日： 2019-03-01 - 公布日： 2022-08-26 - 主分类号： G06F17/14 文献下载
摘要：本发明涉及一种基于卡尔曼滤波神经网络的工程车辆负载功率预测方法，其特征在于：获取车辆的构造数据和行车数据，建立构造数据和行车数据与车辆负载功率间关系，对车辆负载功率时间序列数据进行预处理；将预处理的车辆负载功率时间序列数据进行小波分解为不同频率分量数据，分别利用基于扩展卡尔曼滤波的Elman神经网络模型进行预测；将预测得到的不同频率数据进行小波重构合成，从而实现对负载功率的预测。其能够有效地避免干扰、准确的获取实时负载功率，能更精确地实现负荷预测，提高预测抗噪能力。
一种基于卡尔滤波神经网络工程车辆负载功率预测方法

[发明专利]一种基于负载预测的容器动态伸缩方法及系统-CN202211058420.6在审
发明人：徐亦飞;王超勇;谯凯;李英俊;尉萍萍;朱利 -专利权人：西安交通大学
申请日： 2022-08-31 - 公布日： 2022-11-29 - 主分类号： H04L41/142 文献下载
摘要：本发明公开了一种基于负载预测的容器动态伸缩方法及系统，包括以下步骤：实时获取容器当前应用负载和预测负载，设定容器伸缩的阈值；比较容器当前应用负载和预测负载与设定的阈值之间的大小关系：若当前应用负载或预测负载大于设定的阈值，进行扩容；若当前应用负载和预测负载均小于设定的阈值，进行缩容。
一种基于负载预测容器动态伸缩方法系统

[发明专利]一种基于fastPCA-ARIMA的负载预测方法-CN201910742105.7有效
发明人：刘宗宝;袁晓光;詹承华;张力;李之乾;张琨 -专利权人：北京计算机技术及应用研究所
申请日： 2019-08-13 - 公布日： 2023-02-03 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及一种基于快速PCA‑ARIMA的负载预测方法，其中，包括：计算负载时间序列矩阵X的协方差矩阵∑；选择具有单位范数的初始化系数向量ωp；基于ARIMA模型进行负载预测，对降维后的负载时间序列yk，基于ARIMA模型进行未来时刻负载值的预测，进行平稳性检验：确定ARIMA模型的阶数p+q；在线模型参数估计；由n时刻的负载时间序列矩阵预测未来第n+t时刻的负载值。本发明基时间复杂度大幅降低；不需要计算出全部的系数向量，更适合在线负载主成分的提取；计算复杂度相比传统ARIMA模型大幅降低，更适合在线负载预测。
一种基于 fastpca arima 负载预测方法

[发明专利]一种基于神经网络的Handle标识体系解析负载均衡方法-CN202111073305.1在审
发明人：张晓;白宏钢 -专利权人：码客工场工业科技（北京）有限公司
申请日： 2021-09-14 - 公布日： 2021-12-10 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于神经网络的Handle标识体系解析负载均衡方法，包括：建立企业‑服务器映射表，记录时间序列数据，训练生成负载利用率预测模型和任务量预测，根据预测结果更新企业‑服务器映射表。通过本发明，首先建立企业‑服务器映射表加快任务响应速度，提高处理任务效率，并使用时间序列数据和BP神经网络，生成负载利用率预测模型，提高预测准确率，然后通过Elman神经网络预测任务量，将其输入负载利用率预测模型预估各服务器的负载变化，最后结合负载利用率分段函数，动态修改映射表的策略，使服务器集群能很好应对Handle标识体系解析任务，提高了服务器集群利用率和负载均衡度,缩短了执行任务所用时间。
一种基于神经网络 handle 标识体系解析负载均衡方法

[发明专利]一种基于主变负载影响因素预测的主变负载预测方法-CN202111403885.6在审
发明人：范强;陈园园;李博文;肖宁;张历;赵超;唐赛秋;代奇迹;冯起辉;张后谊;祝建杨;刘卓娅;曹雷;张迅;郭莉萨;陈亚飞;肖书舟;吕黔苏;文屹;万金金;黄军凯;吴建蓉;杨涛;王冕;许逵;刘君;丁江桥;代吉玉蕾;余思伍;陈沛龙;李林峰;欧阳泽宇;李鑫卓;张俊杰;高勇;龙秋风 -专利权人：贵州电网有限责任公司
申请日： 2021-11-24 - 公布日： 2022-07-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于主变负载影响因素预测的主变负载预测方法，该方法为：构建主变负载影响因素评价数据库，建立考虑典型时间、电网拓扑结构、停电计划、主变参数、气象信息、主变过载、主变重载、主变负荷、季节的主变负载影响因素评价模型，计算主变负载数据信息及其模型相关系数，根据强关联评价因子，获得影响因素数据集，并对数据集分类，得到影响因素评价因子预测值，利用DTW和LSTM的组合预测算法进行鱼类和数据训练。本发明大大提升数据准确率和主变负荷预测精度，并降低全网主变计算时会产生计算量，提高计算效率，DTW和LSTM的组合预测算法提高了主变负载预测精度。
一种基于负载影响因素预测方法

[发明专利]一种基于变分模态和ISSA-LSSVM的云中心资源负载预测方法-CN202211545035.4在审
发明人：谢晓兰;杨哲兴;徐克顺;刘亚荣 -专利权人：桂林理工大学
申请日： 2022-12-04 - 公布日： 2023-04-07 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于变分模态和ISSA‑LSSVM的云中心资源负载预测方法。首先获取原始云资源负载数据样本，并对数据进行预处理。然后，采用变分模态算法将原始云资源负载数据分解成多个相对平稳的模态分量。接着提出一种ISSA算法，利用ISSA对LSSVM模型中核函数宽度σ和惩罚因子c进行优化，建立ISSA‑LSSVM模型，且分别对各模态分量进行预测。最后叠加各模态分量的预测值，输出最终的云资源负载预测结果。本发明方法能够有效解决传统预测模型在面对非线性云资源负载数据时预测精度不高的问题，能更加精准地预测云资源负载的变化趋势，对于提高云资源的优化效率，保障云服务质量有着积极意义。
一种基于变分模态 issa lssvm 中心资源负载预测方法

[发明专利]一种基于Kubernetes容器云平台的弹性伸缩方法、装置及应用-CN202211169483.9有效
发明人：郁强;来佳飞;彭大蒙;王德平 -专利权人：城云科技（中国）有限公司
申请日： 2022-09-26 - 公布日： 2023-03-21 - 主分类号： G06F9/50 文献下载
摘要：本申请提出了一种基于Kubernetes容器云平台的弹性伸缩方法、装置及应用，包括以下步骤：持续获取算法pod当前时刻的当前任务数据，计算所述当前任务数据的当前综合负载率，将所述综合负载率时间序列输入ARIMA‑Kalman预测模型进行预测得到预测综合负载率；当某一时刻的预测综合负载率大于第一设定阈值，则在该时刻后的第一设定时间段后对所述算法pod进行扩容；当某一时刻的预测综合负载率小于第二设定阈值，则在该时刻后的第二设定时间段后对所述算法本方案通过ARIMA‑Kalman预测模型对多种资源的综合负载率进行实时预测，来对算法pod进行弹性收缩。
一种基于 kubernetes 容器平台弹性伸缩方法装置应用

[发明专利]一种负载均衡推荐方法、系统及电子设备-CN202210192949.0在审
发明人：戴佳恩 -专利权人：联想（北京）有限公司
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06F9/50 文献下载
摘要：本申请公开了一种负载均衡推荐方法、系统及电子设备，分别获得不少于两个预测模型，不少于两个预测模型分别用于表征不少于两个负载均衡算法中每个负载均衡算法下终端配置数据与运行数据的对应关系，获得第一终端配置数据，基于不少于两个预测模型输出与第一终端配置数据对应的不少于两组预测运行数据，基于预先确定的权重值及不少于两组预测运行数据确定不少于两个预测模型中每个负载均衡算法的推荐值，基于不少于两个负载均衡算法中每个负载均衡算法的推荐值确定与第一终端配置数据匹配的第一负载均衡算法
一种负载均衡推荐方法系统电子设备

[发明专利]电动动力转向装置-CN200780013586.3有效
发明人：家造坊勋;井上知之;藤本千明;喜福隆之;木全政弘;堤和道 -专利权人：三菱电机株式会社
申请日： 2007-03-08 - 公布日： 2009-04-29 - 主分类号： B62D6/00 文献下载
摘要：本发明提供一种电动动力转向装置，可以在电动动力转向装置主体中发生了异常的情况下，在预测成操舵负载小时，使辅助小于通常，减小驾驶员感觉到的不适感，在预测成操舵负载大时，将辅助增大至与通常相等，而可以充分减轻操舵负载在由异常检测部件(26)检测出异常的情况下，在由操舵负载预测部件(32)预测的操舵负载小的第1范围中，使异常时辅助指令与没有异常的通常时相比小，在由上述操舵负载预测部件(32)预测出的操舵负载比第1范围大的第
电动动力转向装置

[发明专利]自动变速器的变速控制装置-CN200810165780.X有效
发明人：池田知正;川上大树 -专利权人：加特可株式会社
申请日： 2008-09-23 - 公布日： 2009-04-01 - 主分类号： F16H61/00 文献下载
摘要：本发明的自动变速器的变速控制装置中，包括：演算摩擦元件现在热负载状态的现在热负载演算机构；在变速开始前预测进行变速时摩擦元件发热量的发热量预测机构(S24、S31、S35、S41)；根据摩擦元件的现在热负载状态和由发热量预测机构预测的发热量，预测摩擦元件在完成变速时的热负载状态的热负载预测机构(S25、S32、S36、S42)；在热负载预测机构预测的完成变速时的热负载状态处于规定区域内时，变更变速形式来进行变速，以使摩擦元件的发热量比处于规定区域外时少
自动变速器变速控制装置

[发明专利]一种实时嵌入式操作系统低功耗方法及装置-CN201911329775.2在审
发明人：尹德帅;徐志方;刘超;王淼;唐洁 -专利权人：青岛海尔科技有限公司
申请日： 2019-12-20 - 公布日： 2020-05-15 - 主分类号： G06F1/3206 文献下载
摘要：本发明提供了一种实时嵌入式操作系统低功耗方法及装置，该方法包括：获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，可以解决相关技术中CPU负载的预测精准度低导致系统性能降低的问题，通过多个时间段的实际CPU负载预测下一时间段的CPU负载，提高了负载预测精度
一种实时嵌入式操作系统功耗方法装置

[发明专利]弹性伸缩组内的动态扩缩容方法及装置-CN202111171814.8在审
发明人：高彦平 -专利权人：新华三信息安全技术有限公司
申请日： 2021-10-08 - 公布日： 2022-02-25 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种弹性伸缩组内的动态扩缩容方法及装置，所述方法包括：采集各个虚拟业务板的实时负载信息，并确定所述实时负载信息对应的多阶平滑指数；根据所述多阶平滑指数，生成所述实时负载信息对应的预测负载信息；识别所述弹性伸缩组内当前的实际负载变化趋势，并根据所述预测负载信息确定预测负载变化趋势；对比所述实际负载变化趋势和所述预测负载变化趋势，并根据对比结果判断是否对所述弹性伸缩组内的虚拟业务板进行扩缩容。
弹性伸缩动态扩缩容方法装置

[发明专利]基于模式预测的自适应控制策略-CN201611213729.2有效
发明人： R·W·马丁;张宏斌;曹健 -专利权人：摩根士丹利服务集团有限公司
申请日： 2016-12-26 - 公布日： 2023-09-05 - 主分类号： G06F9/48 文献下载
摘要：本公开涉及基于模式预测的自适应控制策略。为了能够在不同的负载状况下有效地调整服务集群，本发明提出了一个基于模式预测的控制算法。这一控制算法提高了系统对于不同负载的自适应能力。算法基于历史负载与当前负载来预测未来负载，并根据未来负载的状况对所需的计算资源进行动态调整，在保证系统性能不受负载动态变化影响的情况下减少资源的浪费。算法主要由预测模块、决策模块、学习模块和预估模块组成。
基于模式预测自适应控制策略