关键词:
云计算
通信系统
负载预测
深度学习
资源优化
摘要:
针对云计算环境中通信系统负载波动剧烈、传统预测方法精度不足的问题,文章提出基于LSTM-Attention的负载预测模型与自适应资源优化策略。该模型采用双向LSTM捕捉时序依赖,引入注意力机制动态分配权重,相比自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型预测误差降低23.6%。基于预测结果,设计灰狼优化算法实现虚拟机动态迁移与带宽弹性分配。CloudSim仿真实验结果表明,该策略使系统响应时间缩短31.2%,资源利用率提升18.4%,能耗降低12.7%,服务级别协议(Service Level Agreement,SLA)违约率降至2.3%。研究构建的预测-优化协同框架有效解决了负载波动导致的资源配置失衡问题,为云通信系统性能提升提供了技术支撑。