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！

龙图腾网获悉西安理工大学申请的专利负载预测模型的训练方法、负载预测方法、装置及设备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：CN117273075B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310934372.0，技术领域涉及：G06N3/0464；该发明授权负载预测模型的训练方法、负载预测方法、装置及设备是由黑新宏;党政;陈浩;邱原;张展鹏设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本负载预测模型的训练方法、负载预测方法、装置及设备在说明书摘要公布了：本申请提供一种负载预测模型的训练方法、负载预测方法、装置及设备，涉及数字孪生技术领域。该方法包括：获取计算节点的样本负载序列和样本预测时刻下的真实负载值；采用初始卷积神经网络和初始门控循环神经网络分别对样本负载序列进行特征提取，得到第一样本特征向量和第二样本特征向量；根据第一样本特征向量和第二样本特征向量，通过初始全连接层进行负载预测，得到样本预测负载值；根据样本预测负载值和样本目标负载值，对初始卷积神经网络、初始门控循环神经网络和初始全连接层进行参数调整，得到负载预测模型。本申请可以通过对不同计算节点在未来时刻的负载进行预测，以选择负载较低的计算节点进行数据计算，提高试验效率。

本发明授权负载预测模型的训练方法、负载预测方法、装置及设备在权利要求书中公布了：1.一种负载预测模型的训练方法，其特征在于，应用于数字孪生逻辑靶场系统，所述数字孪生逻辑靶场系统包括：逻辑靶场试验平台、至少一个物理试验资源和多个计算节点，所述逻辑靶场试验平台用于创建逻辑靶场，每个逻辑靶场的每个虚拟试验资源与一个物理试验资源对应，所述训练方法包括： 获取数字孪生逻辑靶场任一计算节点的样本负载序列和连续多个样本时刻之后样本预测时刻下的真实负载值，所述样本负载序列包括：所述任一计算节点在所述连续多个样本时刻下的样本负载值，所述样本负载值包括为所述任一计算节点的主机负载和所述逻辑靶场的虚拟试验资源对应的物理试验资源的任务负载的加权值； 采用初始卷积神经网络对所述样本负载序列进行特征提取，得到第一样本特征向量； 采用初始门控循环神经网络对所述样本负载序列进行特征提取，得到第二样本特征向量； 根据所述第一样本特征向量和所述第二样本特征向量，通过初始全连接层进行负载预测，得到所述计算节点在所述样本预测时刻下的样本预测负载值； 根据所述样本预测负载值和所述真实负载值，对所述初始卷积神经网络、所述初始门控循环神经网络和所述初始全连接层进行参数调整，得到负载预测模型； 所述采用初始卷积神经网络对所述样本负载序列进行特征提取，得到第一样本特征向量之前，所述方法还包括： 对所述样本负载序列进行二维转换，生成所述样本负载序列对应的静态时序图； 所述采用初始卷积神经网络对所述样本负载序列进行特征提取，得到第一样本特征向量，包括： 采用所述初始卷积神经网络对所述静态时序图进行特征提取，得到所述第一样本特征向量； 所述采用所述初始卷积神经网络对所述静态时序图进行特征提取，得到所述第一样本特征向量，包括： 通过对所述静态时序图进行卷积处理，得到样本特征图，所述样本特征图包括多个通道特征图； 采用注意力机制对所述多个通道特征图进行注意力提取，确定所述多个通道特征图的通道权重； 根据所述多个通道特征图和所述通道权重，计算所述第一样本特征向量。

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西安理工大学，其通讯地址为：710000 陕西省西安市碑林区金花南路5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。