基于改进XGBoost模型的资源需求预测方法

摘要

本发明为克服采用XGBoost模型进行资源需求预测时存在输出限定在一定范围内，导致无法准确预测时序模式的缺陷，提出一种基于改进XGBoost模型的资源需求预测方法，包括以下步骤：采集集群中所有容器的时间段T内的多维度时序数据；将多维度时序数据输入XGBoost模型中，得到每棵回归树的输出W；将多维度时序数据输入第一卷积神经网络中学习时序的模式，确定每棵回归树的权重H；将多维度时序数据输入第二卷积神经网络中提取时序中的数据特征，并根据时序的数据特征所述得到偏移值B；根据XGBoost模型中每棵回归树的输出W及其对应的权重H进行加权相加，进一步结合偏移值B得到下一时刻的资源需求预测结果。