基于深度学习的服务器负载均衡预测方法及其系统

本发明涉及服务器负载预测技术领域，更具体地说，涉及基于深度学习的服务器负载均衡预测方法及其系统，包括：获取服务器的实时负载数据和历史负载数据；基于实时负载数据和历史负载数据，执行拓扑嵌入变换；根据拓扑嵌入变换的结果，执行群论变换；基于群论变换的结果，执行谱分解；根据谱分解的结果，执行非线性变换；基于非线性变换的结果，使用长短期记忆网络执行时序预测；输出服务器未来负载预测结果，通过引入拓扑嵌入和群论变换，有效地捕捉了负载数据的几何结构和对称性，不仅提高了特征表示的质量，还增强了模型对数据旋转和平移的不变性，从而提升了预测的鲁棒性和泛化能力，在处理具有周期性和对称性的负载模式时，表现出明显优势。