基于RUL和SVs-GFF的云服务器老化预测方法
文献类型：期刊论文
| 作者 | 孟海宁; 童新宇; 谢国; 张贝贝; 黑新宏 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:10页码:2036-2048 |
| 关键词 | 云服务器 软件老化 支持向量回归 高斯函数拟合 剩余使用寿命 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c211112 |
| 英文摘要 | 针对云服务器中存在软件老化现象, 将造成系统性能衰退与可靠性下降问题, 借鉴剩余使用寿命(Remaining useful life, RUL)概念, 提出基于支持向量和高斯函数拟合(Support vectors and Gaussian function fitting, SVs-GFF)的老化预测方法. 首先, 提取云服务器老化数据的统计特征指标, 并采用支持向量回归(Support vector regression, SVR)对统计特征指标进行数据稀疏化处理, 得到支持向量(Support vectors, SVs)序列数据; 然后, 建立基于密度聚类的高斯函数拟合(Gaussian function fitting, GFF)模型, 对不同核函数下的支持向量序列数据进行老化曲线拟合, 并采用Fréchet距离优化算法选取最优老化曲线; 最后, 基于最优老化曲线, 评估系统到达老化阈值前的RUL, 以预测系统何时发生老化. 在OpenStack云服务器4个老化数据集上的实验结果表明, 基于RUL和SVs-GFF的云服务器老化预测方法与传统预测方法相比, 具有更高的预测精度和更快的收敛速度. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/59477]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 孟海宁,童新宇,谢国,等. 基于RUL和SVs-GFF的云服务器老化预测方法[J]. 自动化学报,2024,50(10):2036-2048. |
| APA | 孟海宁,童新宇,谢国,张贝贝,&黑新宏.(2024).基于RUL和SVs-GFF的云服务器老化预测方法.自动化学报,50(10),2036-2048. |
| MLA | 孟海宁,et al."基于RUL和SVs-GFF的云服务器老化预测方法".自动化学报 50.10(2024):2036-2048. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。