一种基于NeuralProphet的资源预测方法、装置、及存储介质

本发明涉及云计算技术领域，特别涉及一种基于NeuralProphet的资源预测方法、装置、及存储介质。包括将容器云历史负载数据通过NeuralProphet模型分解获得多个分解分量，将多个分解分量再与容器云历史负载数据进行集成整合，形成新时间序列数据，相对于传统的时间序列分解方法，不仅提高了容器云历史负载数据的解释性，还通过去除容器云历史负载数据的非平稳成分，使容器云历史负载数据更适合建模和预测。将获得的新时间序列数据结合CNN‑LSTM‑Attention模型，从多个维度分析新时间序列数据的特征，有效应对新时间序列数据中的非线性、多周期性和复杂模式，同时通过调整各个分解分量的贡献，进一步提升了模型的鲁棒性和预测性能，减少了噪声和异常值对预测结果的影响，简化用户调参过程。