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！

龙图腾网获悉北京航空航天大学申请的专利基于改进TimesNet的云数据中心负载预测方法和系统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：CN119938463B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411816697.X，技术领域涉及：G06F11/34；该发明授权基于改进TimesNet的云数据中心负载预测方法和系统是由兰雨晴;朱晓宇;杨晓艺设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于改进TimesNet的云数据中心负载预测方法和系统在说明书摘要公布了：本发明提供基于改进TimesNet的云数据中心负载预测方法和系统，对资源利用数据的时间序列进行多周期特征提取，确定最显著的若干个周期，以此进行二维时序变化建模，得到时间序列在不同时间尺度上的变化数据，从而提取最显著的若干个周期各自的特征，并将特征自适应融合为基于ResNet的TimesBlock；对多个TimesBlock进行组合堆叠，形成改进TimesNet网络，从而预测得到云平台在未来时间的资源需求负载，其能够更准确捕捉负载的多周期性和波动性，提高长时期预测的精度，使用ResNet进行二维卷积，能够更快适应云数据中心负载的快速变化，通过准确的负载预测减少资源调度滞后或冗余，提高资源利用效率，降低因违约和浪费造成的运营成本，使负载预测具有更好的适应性和泛化能力。

本发明授权基于改进TimesNet的云数据中心负载预测方法和系统在权利要求书中公布了：1.基于改进TimesNet的云数据中心负载预测方法，其特征在于，包括： 利用改进TimesNet模型对云平台的资源利用数据相应的时间序列进行多周期特征提取，确定所述时间序列中最显著的若干个周期；根据所述最显著的若干个周期，进行二维时序变化建模，得到所述时间序列在不同时间尺度上的变化数据； 对所述时间序列在不同时间尺度上的变化数据进行处理，提取得到所述最显著的若干个周期各自的特征，并对所述最显著的若干个周期的特征进行自适应融合，从而得到基于ResNet的TimesBlock； 对多个TimesBlock进行组合堆叠，形成改进TimesNet网络；再利用所述改进TimesNet网络，对所述云平台的资源利用数据进行负载预测，得到所述云平台在未来时间的资源需求负载； 其中，对确定所述时间序列中最显著的若干个周期的过程进行运行异常判定，包括： 提取获取所述时间序列中最显著的若干个周期的周期获取时长； 将所述周期获取时长与预设的时长阈值进行比较； 当所述周期获取时长超过预设的时长阈值时，则调取历史记录中的历史资源利用数据的处理时长和频率分量强度获取时长； 利用所述历史记录中的历史资源利用数据的处理时长和频率分量强度获取时长获确定所述时间序列中最显著的若干个周期的过程评价系数； 其中，所述过程评价系数通过如下公式获取： 其中，S表示过程评价系数；n表示除了当前一次确定所述时间序列中最显著的若干个周期的历史记录中的确定所述时间序列中最显著的若干个周期的次数；T01i和T02i分别表示第i次若干个周期确定时对应的历史资源利用数据的处理时长和频率分量强度获取时长；Tzmax表示n次若干个周期确定中的周期获取时长最大值；Tz表示超过预设的时长阈值对应的周期获取时长；S01和S02分别表示第一系数和第二系数，并且，所述第一系数和第二系数通过如下公式获取： 其中，S01和S02分别表示第一系数和第二系数；Tzmin表示n次若干个周期确定中的周期获取时长最小值； 将所述过程评价系数与预设的评价系数进行比较； 当所述程评价系数不低于预设的评价系数时，则判定确定所述时间序列中最显著的若干个周期的过程存在异常，并进行异常报警。

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北京航空航天大学，其通讯地址为：100080 北京市海淀区学院路37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。