《表1 工作负载预测模型训练与预测性能表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于深度学习的云平台弹性伸缩算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过图7可以看出，本文模型的曲线和目标曲线的拟合度最佳。而在表1中不难发现，虽然2个模型都能够随着训练时间的推移取得更好的预测效果，但本文模型无论是训练收敛还是实际预测效果都更好。训练和实际预测中本文模型的Loss和MAPE分别为960和0.00034，表现了其在工作负载预测上的能力。通过添加卷积运算，提高了模型在数据特征提取上的能力，能够加强LSTM在时间序列分析上的优势。而且通过使用Dropout使得模型网络稀疏，防止过拟合，提高了模型对于数据的适应程度。