一种面向算力网络的多类型任务需求预测方法

本发明涉及算力网络预测，提出了一种面向算力网络的多类型任务需求预测方法。该方法通过对算力网络场景中的多类型任务需求进行分析和特征提取，通过深度神经网络对任务需求进行分析和处理，输出分类结果，将分类后的任务需求通过频率注意力机制和非平稳因子相结合的方式处理，不仅能够实现自动从全局数据中抽取更深层次的关联特征，而且能够自动识别出任务中的突变需求，从而提高了算力网络场景下多类型任务需求的预测精度。对比传统的方法，本方法从时域和频域结合的角度对算力网络任务需求数据进行刻画，并引入非平稳因子，能够有效地识别出任务需求中的突变性数据，具有更高的准确性和适用性。