来源：期刊VIP网 时间：
作者：谢晓兰;董宇;
单位：桂林理工大学计算机科学与工程学院;桂林理工大学广西嵌入式技术与智能系统重点实验室;
摘要：为提高容器云平台资源的可用性和服务响应速度，并保障容器云平台客户业务的稳定性，提出一种基于二次分解和宽度学习系统的容器云资源预测模型。用自适应噪声完备集合经验模态对原始时序数据分解处理，基于聚类分析将分解得到的模态分量重构为高复杂度和低复杂度两类。对高复杂度分量二次分解，利用预训练模型提取各分量的潜在特征。将特征输入宽度学习系统，生成预测结果，并叠加各分量的预测结果，获得最终的预测输出。实验结果表明，该模型提高了预测准确度，减少容器云平台服务响应时间。
关键词：容器云;;云资源预测;;二次分解;;门控循环单元;;宽度学习系统
基金资助：国家自然科学基金项目（62262011）;; 广西重点研发计划项目（2022AB43023,2022AB05005,2022AB05024）
