一种融合孤立森林与长短期记忆网络的系统负载预测方法

摘要

本发明提供了一种融合孤立森林与长短期记忆网络的系统负载预测方法，考虑原始数据中存在噪声和异常点的问题，采用孤立森林算法对数据中的异常点进行剔除；利用经验模态分解(EMD(经验模态分解))算法将输入数据分解为不同频率的本征模函数(IMF(本征模函数))分量；分别采用分离的长短期记忆神经网络(LSTM(长短期记忆网络))对各IMF(本征模函数)和残差进行预测，综合每个LSTM(长短期记忆网络)模型中重建预测值。本发明的方法实现了具有时间序列特征的系统负载趋势预测，有助于提高系统对外部攻击或内部扰动造成系统负载过高的提前预警能力。