一种基于Transformer框架的资源指标预测方法、设备及介质

本申请提出一种基于Transformer框架的资源指标预测方法、设备及介质，该方法包括：利用资源指标如CPU、内存等的历史数据对PatchTST模型进行预训练，通过改进传统的PatchTST模型预测指标未来值为预测指标未来分布，得到预测均值和预测方差，从而进一步转化为预测值输出、预测区间上界输出、预测区间下界输出。该方法对比传统的基于Transformer架构的时序预测方法具有预测准确率高、训练时间短、可以输出预测区间上下界、预测的上下界可以用于预测值的置信区间的表示等优点。本申请可为动态扩缩容、容量管理、容量规划等智能运维场景提供更丰富更准确的指导。