一种基于深度学习的双模块云资源预测方法

本发明公开了一种基于深度学习的双模块云资源预测方法，属于云资源预测领域。目的在于解决复杂云计算环境中，现有云资源预测模型难以同时有效捕捉短期波动与长期趋势，导致资源预测精度低的问题。该方法包括以下步骤：步骤S1：读取数据集并进行预处理，消除异常值和填充缺失值。步骤S2：设计嵌入模块将预处理后的原始数据映射到高维向量空间。步骤S3：设计全局模块提取历史数据中的全局特征。步骤S4：设计局部模块提取历史数据中的局部特征。步骤S5：设计融合模块，将全局和局部模块的输出进行融合，生成最终预测结果。本发明采用全局与局部的双模块结构，通过全局与局部模块信息的联合学习，提升了云资源预测的准确性和实时性。