【技术实现步骤摘要】
本专利技术涉及人工智能，具体为一种用于网络分发模型的数据优化管理系统及方法。
技术介绍
1、网络分发模型是指在计算机网络中用于管理和优化数据流动、传输和资源分配的一种方法，它的主要目的是确保数据在网络中的高效分发，避免网络拥塞，并提高整体传输效率；
2、在现代互联网环境中，随着用户需求和服务的复杂性不断增加，网络流量变得越来越波动，服务器传统的资源分配方式往往难以应对这种波动，导致在流量高峰期时资源不足，造成服务器过载，而在流量低谷期时资源过程，造成资源浪费，使得网络服务质量和资源的利用率降低；
3、因此，人们急需一种用于网络分发模型的数据优化管理系统来解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种用于网络分发模型的数据优化管理系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种用于网络分发模型的数据优化管理方法，该方法包括以下步骤：
4、s1、设置周期，采集待管理网络不同周期中各时间点的流量值；设置滑动窗口，计算待管理网络不同周期中各时间点的流量趋势和趋势差值，分析待管理网络同一时间点的综合趋势差值和流量波动值；
5、s2、建立流量预测模型，并训练流量预测模型；采集待管理网络当前时间点的流量值，通过训练完成的流量预测模型，获取待管理网络下一时间点的预测流量值；
6、s3、采集待管理网络中服务器的流量处理能力和最大负载利用率，结合待
7、s4、采集待管理网络当前时间点的在线服务器的数量，调整待管理网络下一时间点在线服务器的数量；
8、s5、调整待管理网络下一时间点在线服务器的数量后，对待管理网络下一时间点各在线服务器的负载进行预分配。
9、根据上述技术方案，所述步骤s1的具体过程如下：
10、s1-1、设置周期为t；将第i个时间点，记为ti；将待管理网络第j个周期中第i个时间点的流量值，记为aj(ti)；
11、s1-2、设置滑动窗口，记为bk；其中，k表示滑动窗口的大小；根据下列公式计算待管理网络不同周期中各时间点的流量趋势：
12、
13、其中，cj(ti)表示待管理网络第j个周期中第i个时间点的流量趋势；aj(ta)表示待管理网络第j个周期中第i个时间点位于滑动窗口bk内的流量值；a表示滑动窗口bk中用于遍历时间点的索引，a从i-k+1到i依次取值；
14、滑动窗口是一个固定大小的窗口，用于对时间序列数据进行局部分析，窗口在时间序列上逐步移动，每次移动一个时间步长；通过局部的时间点数据来捕捉短期趋势，消除噪声，同时平滑流量变化，帮助更准确地识别趋势；
15、流量趋势用于识别时间序列中的总体变化方向，通过趋势可以了解流量是在增加、减少还是保持稳定；
16、计算待管理网络不同周期中各时间点的趋势差值，计算公式为：δcj(ti)＝cj(ti)-cj(ti-1)；其中，δcj(ti)表示待管理网络第j个周期中第i个时间点的趋势差值；cj(ti-1)表示待管理网络第j个周期中第i个时间点的流量趋势；ti-1表示第i-1个时间点；
17、趋势差值用于衡量流量趋势的变化速率，正差值表示流量趋势在上升，负差值表示流量趋势在下降；
18、取待管理网络所有周期中第i个时间点对应的趋势差值δcj(ti)的平均值，作为待管理网络第i个时间点的综合趋势差值，记为δc1(ti)；
19、s1-3、取待管理网络第j个周期中所有时间点对应的流量值aj(ti)的平均值，作为待管理网络第j个周期的平均流量值，记为a1j；
20、根据下列公式计算待管理网络同一时间点的流量波动值：
21、
22、其中，d(ti)表示待管理网络第i个时间点的流量波动值；
23、流量波动值用于评估流量在同一时间点上的稳定性，高波动值表示流量不稳定，低波动值表示流量相对稳定。
24、根据上述技术方案，所述步骤s2的具体过程如下：
25、s2-1、建立流量预测模型，具体如下：
26、y＝x1+α1×x2+α2×x3+α3；
27、其中，y表示因变量，x1、x2及x3均表示因变量，α1和α2均表示调节参数；α3表示修正参数；
28、s2-2、将第i+1个时间点，记为ti+1；将待管理网络第j个周期中第i+1个时间点的流量值，记为aj(ti+1)；
29、s2-3、将待管理网络各周期中第i+1个时间点对应的流量值aj(ti+1)，作为训练集中对应的y；将待管理网络各周期中第i个时间点对应的流量值aj(ti)，作为训练集中对应的x1；将待管理网络第i个时间点对应的综合趋势差值δc1(ti)，作为训练集中对应的x2；将待管理网络第i个时间点对应的流量波动值值d(ti)，作为训练集中对应的x3；通过训练集训练流量预测模型；
30、s2-4、将当前时间点，记为t；将下一时间点，记为t+1；将待管理网络当前时间点的流量值，记为ft；将ft，通过训练完成的流量预测模型，获取待管理网络下一时间点的预测流量值，记为ft+1。
31、根据上述技术方案，所述步骤s3的具体过程如下：
32、将待管理网络中服务器的流量处理能力，记为g；将待管理网络中服务器的最大负载利用率，记为h；根据下列公式计算待管理网络下一时间点的服务器需求量：
33、
34、其中，nt+1表示待管理网络下一时间点的服务器需求量；表示对ft+1/(g·h)的值向上取整；
35、所述流量处理能力是指服务器在单位时间内能够处理的网络流量的最大量，可以使用网络性能测试工具直接测量获得。
36、根据上述技术方案，所述步骤s4的具体过程如下：
37、s4-1、将待管理网络当前时间点的在线服务器的数量，记为nt；
38、s4-2、若nt+1≥nt，表示处理下一时间点的流量时在线服务器的数量不足，下一时间点需要增加在线服务器，增加的数量为(nt+1-nt)；
39、若若nt+1＜nt，表示处理下一时间点的流量时在线服务器的数量充足，下一时间点需要减少在线服务器，减少的数量为(nt-nt+1)。
40、根据上述技术方案，所述步骤s5的具体过程如下：
41、调整待管理网络下一时间点在线服务器的数量后，待管理网络下一时间点在线服务器的数量为nt+1，对待管理网络下一时间点各在线服务器的负载进行预分配，使各在线服务器的负载应满足下述条件：ib，t+1≤i＝ft+1/nt+1；其中，ib，t+1表示待管理网络下一时间点第b个在线服务器的负载；i表示待管理网络下一时间点的预测平均流量值。
42、一种用于网络分发模型的本文档来自技高网...
【技术保护点】
1.一种用于网络分发模型的数据优化管理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤S1的具体过程如下：
3.根据权利要求2所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤S2的具体过程如下：
4.根据权利要求3所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤S3的具体过程如下：
5.根据权利要求4所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤S4的具体过程如下：
6.根据权利要求5所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤S5的具体过程如下：
7.一种用于网络分发模型的数据优化管理系统，如使用权利要求1-6中任一项所述的一种用于网络分发模型的数据优化管理方法，其特征在于：该系统包括信息采集模块、信息处理模块和执行模块；
8.根据权利要求7所述的一种用于网络分发模型的数据优化管理系统，其特征在于：所述信息采集模块包括历史信息单元和实时信息单元
9.根据权利要求7所述的一种用于网络分发模型的数据优化管理系统，其特征在于：所述信息处理模块包括信息存储单元、信息分析单元和信息传输单元；
10.根据权利要求7所述的一种用于网络分发模型的数据优化管理系统，其特征在于：所述执行模块包括建议显示单元和调控单元；
...【技术特征摘要】
1.一种用于网络分发模型的数据优化管理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤s1的具体过程如下：
3.根据权利要求2所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤s2的具体过程如下：
4.根据权利要求3所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤s3的具体过程如下：
5.根据权利要求4所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所述步骤s4的具体过程如下：
6.根据权利要求5所述的一种用于网络分发模型的数据优化管理方法，其特征在于：所...
【专利技术属性】
技术研发人员：刘春涛，张文亮，王中平，冯成林，吕玲玲，
申请(专利权)人：红星美凯龙家居集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。