基于FARIMA-LSTM预测的电网主机动态阈值设定方法

    公开(公告)号:CN113435725A

    公开(公告)日:2021-09-24

    申请号:CN202110685848.2

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于FARIMA‑LSTM预测的电网主机动态阈值设定方法,包括:步骤1,构建FARIMA‑LSTM模型;步骤2,收集服务器的内存负载数据并输入FARIMA‑LSTM模型进行数据预处理,对预处理后的内存负载数据进行周期性检验,得到周期性检验结果。本发明预测方法准确,适用范围广,运行时间短,通过周期调整消除了时间序列中的周期性影响,能够更清晰地揭示趋势,降低了周期对ARIMA模型拟合效果的影响,提高了趋势预测精度,利用服务器内存历史数据预测并估算设备运行指标动态阈值,实时的对服务器内存历史数据变化情况进行监控,及时的通知运维人员对设备进行运行状态检查,提高了设备故障的预知能力,充分提升了运维监控和故障抢修工作的主动性,提高了运维效率。

    基于离散小波变换和FA-ELM的网络流量预测方法

    公开(公告)号:CN113411216A

    公开(公告)日:2021-09-17

    申请号:CN202110687331.7

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于离散小波变换和FA‑ELM的网络流量预测方法,包括:步骤1,构建DWAFE模型,在所述DWAFE模型中设置数据管理员和模型管理员;步骤2,获取多个网络流量数据并将所述网络流量数据发送给所述数据管理员,所述数据管理员将所述网络流量数据进行数据预处理,得到数据预处理后的所述网络流量数据。本发明经过萤火虫算法优化的FA‑ELM模型,克服了ELM稳定性差的缺陷,对非线性数据预测的准确性高,能稳定可靠地应用于各领域的研究中,具有极大的现实意义。本发明提出的DWAFE模型结合了ARIMA模型和FA‑ELM模型各自的优势,做出精准的网络流量预测,根据预测结果计算出指定置信度下的动态阈值区间,从而实现设备运行状态实时感知,为设备故障预警提供强有力的支持。

Patent Agency Ranking