بسترهای ابری اغلب چندین مدل ماشین های مجازی را با انواع و ظرفیت های مختلف ارائه می کنند و به کاربران امکان انتخاب نمونه هایی باتوجه به نیاز و شرایط خود می دهند. فراهم کنندگان ابری استراتژی استفاده از منابع محاسباتی مازاد با نرخ کاهش یافته را با هدف استفاده حداکثری از منابع خود توسعه داده اند که قیمت آن ها به صورت پویا بر اساس عرضه و تقاضا در حال تغییر می باشد.این اغلب به عنوان قیمت گذاری نقطه ای شناخته می شود که جهت استفاده کاربر از این نمونه بایستی یک پیشنهاد مناسب بالاتر از قیمت نقطه ای ارائه دهد. پیش بینی دقیق قیمت اسپات به کاربران کمک می کند از قبل اقدام به برنامه ریزی مقدار پیشنهادی قیمت و زمان اجرا کنند تا قابلیت اطمینان و در نتیجه کیفیت سطح خدمات این روش افزایش یابد. بدین منظور، ما آمازون EC۲ را به عنوان یک بستر آزمایشی در نظر می گیریم و از تاریخچه قیمت نقطه ای آن برای پیش بینی قیمت آینده با ساخت مدل پیشنهادی با روش یادگیری عمیق استفاده می کنیم. نتایج آزمایش حاکی از عملکرد بهتر و دقیق تر روش پیشنهادی ما در مقایسه با روش های پیشرفته دیگر می باشد.