一种基于深度聚类的数据中心时间序列预测方法及系统

本发明公开了一种基于深度聚类的数据中心时间序列预测方法及系统，方法包括：实时接收来自于数据中心物联网设备传入的时间序列数据；通过用于概念漂移状况检测的聚类算法，结合特征提取与聚类模型，检查数据的概念相对类别；使用基于集成学习的预测算法，根据概念相对类别，选择一个或融合选择的多个不同已经完成训练的预测模型，得到实时的时间序列预测结果。本发明能够有效处理数据中心场景下频繁出现的概念漂移现象，提高预测的稳定性。真实数据集下的测试结果证明了本发明用于概念漂移状况检测的聚类算法和预测模型的结合，在数据中心场景下取得了卓越的性能，在预测准确率和面对概念漂移状态下的性能方面，均优于已有模型。