买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种容器云环境下基于混合模型的负载预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119440977B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411341986.9，技术领域涉及：G06F11/34；该发明授权一种容器云环境下基于混合模型的负载预测方法及装置是由张政;才振功设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种容器云环境下基于混合模型的负载预测方法及装置在说明书摘要公布了：本发明公开了一种容器云环境下基于混合模型的负载预测方法及装置，该方法包括：从容器云环境中实时采集容器应用的历史负载数据，并保存至时序数据库Prometheus中；对历史负载数据进行预处理，修正异常值和填补缺失值；基于混合模型架构设计负载预测模型，并使用预处理后的历史负载数据对负载预测模型进行训练，训练过程中根据负载预测模型的评价指标调整负载预测模型的网络参数，获取训练好的负载预测模型；使用训练好的负载预测模型获取未来时刻的负载数据。本发明能够从负载的历史数据中学习负载变化的趋势性及周期性，对未来时刻的负载情况进行精准化预测；能够充分捕捉时序数据的多层次特征，大幅度提升预测的准确性与鲁棒性。

本发明授权一种容器云环境下基于混合模型的负载预测方法及装置在权利要求书中公布了：1.一种容器云环境下基于混合模型的负载预测方法，其特征在于，包括以下步骤： 1从容器云环境中实时采集容器应用的历史负载数据，并将其保存至时序数据库Prometheus中；其中，所述负载数据包括资源使用情况指标数据及业务相关数据； 2对步骤1采集到的历史负载数据进行预处理，以修正异常值和填补缺失值； 3基于混合模型架构设计负载预测模型，并使用预处理后的历史负载数据对负载预测模型进行迭代训练，训练过程中根据负载预测模型的评价指标调整负载预测模型的网络参数，以获取训练好的负载预测模型；所述负载预测模型包括NeuralProphet模型、CNN-LSTM-Attention组合模型和人工神经网络；输入序列数据输入至负载预测模型中，分别经过NeuralProphet模型和CNN-LSTM-Attention组合模型，得到第一预测输出序列数据和第三预测输出序列数据；第一预测输出序列数据与真实输出序列数据作差得到残差序列；将残差序列输入至CNN-LSTM-Attention组合模型，得到第二预测输出序列数据；将第一预测输出序列数据、第二预测输出序列数据和第三预测输出序列数据同时输入至人工神经网络，得到最终预测结果； 其中，所述NeuralProphet模型由趋势模块、周期性模块、节假日因子模块、自回归效应模块和滞后回归效应模块并列组成；将输入序列数据输入至NeuralProphet模型中，分别经过趋势模块、周期性模块、节假日因子模块、自回归效应模块和滞后回归效应模块，所有模块输出的分量相加的总和即为NeuralProphet模型输出的第一预测输出序列数据； 所述CNN-LSTM-Attention组合模型包括卷积神经网络模块、长短期记忆网络模块和注意力机制模块；将输入序列数据或残差序列输入至CNN-LSTM-Attention组合模型中，首先进入卷积神经网络模块，得到序列局部特征表示；序列局部特征表示再经过长短期记忆网络模块，捕捉序列中的长期依赖关系，得到最终的全局时序特征；全局时序特征通过注意力机制模块得到对应的注意力权重，将注意力权重与对应时间步的长短期记忆网络模块输出的全局时序特征进行加权求和，得到CNN-LSTM-Attention组合模型输出的第三预测输出序列数据或第二预测输出序列数据； 4使用训练好的负载预测模型获取未来时刻的负载数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。