基于深度学习的云计算资源负载预测方法

展奇 楚(河南科技大学，中国)

摘要

随着云计算技术在互联网服务、工业互联网以及大数据平台中的广泛应用，数据中心的计算、存储和网络资源需求呈现出高度动态化特征。资源负载的波动不仅影响系统运行效率，也会对服务质量和资源利用率产生重要影响。传统基于统计模型的预测方法在处理复杂非线性负载变化时存在一定局限。深度学习技术凭借其在特征提取和时间序列建模方面的优势，为云计算资源负载预测提供了新的解决思路。本文围绕云计算环境下资源负载预测问题，分析深度学习在云平台负载预测中的应用原理，并构建基于深度神经网络的预测模型框架，对数据处理、模型训练与性能评估进行系统探讨，以提升云平台资源调度效率和系统稳定性。

关键词

深度学习；云计算；负载预测；资源调度；时间序列

参考

朱义霞.云计算环境下数据中心网络负载均衡策略研究[J].信息与电脑,2026,38(04):170-172.

何世勋.基于云计算的计算机实验室网络多路径拥塞控制技术研究[J].信息记录材料,2026,27(02):145-147.

朱睿,蒋雪阳,孙彦赞.面向依赖任务的D2D辅助边缘计算卸载与资源分配优化[J].计量与测试技术,2025,51(12):6-9+15.

吴明涛,钱鸣静,许梦.改进SSA优化VMD-CNN-BiLSTM的云资源负载预测方法[J].长春师范大学学报,2025,44(12):50-63+73.

段玉峰,张媛琪.基于云计算架构的高职计算机教学资源共享平台系统规划与设计[J].软件,2025,46(11):93-95.

DOI: http://dx.doi.org/10.12345/bdai.v7i3.38195