典型文献
基于CNN-LSTM-PSO的私有云故障检测
文献摘要：
有效对私有云系统进行故障检测对于保障IT系统稳定性及开展可靠性信息活动具有重要的实际意义;为此从私有云系统的历史趋势数据出发,将卷积网络(CNN)和长短期记忆(LSTM)循环神经网络结合,提出了基于粒子群优化算法(PSO)的CNN-LSTM-PSO的混合模型,实现对私有云的故障检测;采用X11算法等技术对数据进行预处理,使用CNN网络提取监控指标时序数据的相关特征信息,并通过训练LSTM网络参数建立CNN-LSTM预测模型,设计了 PSO算法对预测模型进行参数选优,减小预测误差,并以高斯正态分布确定阈值范围,实现故障的精准检测;通过和传统单一预测模型以及现有的一些组合预测模型的对比,CNN-LSTM-PSO模型预测后结果的均方根误差、平均绝对误差和平均百分比误差都低于其余模型;实验结果验证了模型在预测效果上具备更高的精度和更快的预测速度,在私有云的故障检测中精确性和实时性都具有良好效果.
文献关键词：
LSTM;故障检测;X11分解法;CNN神经网络;PSO算法;高斯正态分布;超参选优
中图分类号：
作者姓名：
曹炳尧;柏杰;侯佩儒
作者机构：
上海大学特种光纤与光接入网重点实验室,上海 200444
文献出处：
引用格式：
[1]曹炳尧;柏杰;侯佩儒-.基于CNN-LSTM-PSO的私有云故障检测)[J].计算机测量与控制,2022(08):76-82,110
A类：
超参选优
B类：
PSO,私有云,故障检测,云系,IT,系统稳定性,信息活动,实际意义,历史趋势,卷积网络,长短期记忆,循环神经网络,粒子群优化算法,混合模型,X11,监控指标,时序数据,特征信息,网络参数,预测误差,高斯正态分布,阈值范围,精准检测,组合预测模型,平均绝对误差,余模,测速,精确性,良好效果,分解法
AB值：
0.301991
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
