پیش بینی قیمت منابع در شبکه ابری با پیشنهاد ساختار جدیدی در یادگیری عمیق با در نظر گرفتن سطح کیفیت خدمات

رایانش ابری یک مدل محاسباتی است که برای ارائه منابع به کاربران از سه الگوی برحسب تقاضا، رزرو شده و نقطه ای بهره می برد. قیمت نمونه های نقطه ای به طور متوسط کمتر از سایر الگوها بوده و بر اساس عرضه و تقاضا دارای نوسان است. هنگامی که کاربر یک نمونه نقطه ای را درخواست کند، باید پیشنهادی ارائه دهد. تنها در صورتی که قیمت پیشنهادی کاربر بالاتر از قیمت نقطه ای باشد، کاربر می تواند از این نوع منابع استفاده کند. لذا پیش بینی قیمت نمونه های نقطه ای بسیار مهم و چالش برانگیز است. پیش بینی این گونه سری های زمانی پویا که از مدل غیرخطی پیروی می کنند، نیازمند ابزار هوشمندی مانند شبکه های عصبی است تا بتواند با مشاهده مقادیری از یک سری زمانی، مقادیر آتی را با کم ترین خطا پیش بینی کنند. بنابراین قابلیت اطمینان و در نتیجه کیفیت سرویس ارتقاء می یابد. بدین منظور، ما آمازون EC۲ را به عنوان یک بستر آزمایشی در نظر گرفتیم و از تاریخچه قیمت نقطه ای برای پیش بینی قیمت آینده با ساخت مدلی نوین مبتنی بر یادگیری عمیق استفاده کردیم. نتایج به دست آمده نشان داد که مدل ارائه شده مقاله بر پایه ساختار پیشنهادی MGRU (GRU اصلاح شده) به خوبی می تواند پیش بینی مقادیر غیرخطی را انجام دهد و عملکرد بهتری نسبت به سایر روش های مورد استفاده در این حوزه داشته باشد.

Keywords:

پیش بینی قیمت نقطه ای , رایانش ابری , شبکه عصبی عمیق , GRU اصلاح شده(MGRU)