一种基于二次分解和宽度学习模型的容器云资源预测方法

本发明公开了一种基于二次分解和宽度学习模型的容器云资源预测方法，属于容器云资源预测领域。该方法包括以下步骤：步骤S1：读取历史资源利用率作为数据集；步骤S2：读取数据集，并对数据集进行预处理；步骤S3：使用二次分解方法对数据进行分解，得到模态分量；步骤S4：采用堆叠门控循环单元和宽度学习系统建立容器云资源预测模型；步骤S5：将各个模态分量输入预测模型，叠加预测结果得到最终的预测值。本发明提供的一种基于二次分解和宽度学习模型的容器云资源预测方法，通过二次分解方法实现了更好的模态分离效果，采用堆叠门控循环单元和宽度学习系统，精确捕捉数据间的潜在联系，提高了预测模型的效率和精度。