买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广东奥飞数据科技股份有限公司申请的专利基于预测模型的超融合算力调度方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119336516B 。

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411884270.3，技术领域涉及：G06F9/50；该发明授权基于预测模型的超融合算力调度方法及系统是由张天松;易夕冬;李碧妍;韩伟;肖连菊;翁祖逖;冯康;高宝军;黄展鹏;李灵光;刘文佳设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于预测模型的超融合算力调度方法及系统在说明书摘要公布了：本发明涉及资源调度技术领域，具体为基于预测模型的超融合算力调度方法及系统，包括以下步骤：收集并整理超融合环境中的实时数据，包括GPU使用率和网络带宽信息，利用数字滤波技术从中移除噪声，提取关键性能指标，对关键性能指标进行数值标准化，建立标准化资源特征值。本发明中，通过实时数据收集和数字滤波技术的应用，提高了数据处理的质量，确保了资源预测的精确性，利用标准化的关键性能指标和时间序列分析，可准确预测短期资源需求，实现资源的精确匹配和优化分配，此外，利用反馈环和非线性激活函数构建的神经网络模型，能够动态调整资源配置，有效应对资源需求的实时变化，提升系统对工作负载的适应性和整体数据处理能力。

本发明授权基于预测模型的超融合算力调度方法及系统在权利要求书中公布了：1.一种基于预测模型的超融合算力调度方法，其特征在于，包括以下步骤：收集并整理超融合环境中的实时数据，包括GPU使用率和网络带宽信息，利用数字滤波技术从中移除噪声，提取关键性能指标，对关键性能指标进行数值标准化，建立标准化资源特征值；将所述标准化资源特征值进行时间序列分析，构建预测模型分析短期内资源的使用趋势，计算时间段内GPU和存储的需求增长率，得到资源需求预测值；所述资源需求预测值的获取步骤具体为：利用所述标准化资源特征值，基于连续时间段对资源特征值进行分割，按照时间顺序重新排列并标注时间戳，建立时间序列数据；基于所述时间序列数据，针对每个连续时间段的资源特征值，进行时间段内的变化趋势分析，计算资源特征值在多个时间段的增长率，采用公式： ；得到GPU和存储的增长速率；其中，表示资源增长速率，为目标时间段内的资源特征值，为时间片的加权参数，为计算调整因子，为偏移调整参数，为噪声修正项，代表在计算中参照的时间段数量；基于所述GPU和存储的增长速率，通过与相邻时间段的资源使用情况进行集合运算，综合计算得到时间段内的资源需求增长比率；调用所述资源需求增长比率，基于每个时间片段的资源使用情况，对所有片段的资源增长率进行累计计算，得到资源需求预测值；输入所述资源需求预测值，构建包括反馈环和非线性激活函数的初级神经网络，执行权重和参数的初步调整，匹配当前资源使用模式，生成初步神经网络模型；所述初步神经网络模型的获取步骤具体为：调用所述资源需求预测值，输入到初级神经网络中，初始化反馈环结构并设置非线性激活函数，对多个连接权重进行随机化分布和初步设定，生成初始权重矩阵；执行反馈环的运算，基于反馈输出对所述初始权重矩阵中的权重参数进行调整，结合非线性激活函数响应的动态输出，采用公式： ；调整每个连接权重并更新当前的权重矩阵，得到初步调整后的权重和参数；其中，表示下一次迭代后的权重值，为当前权重值，为学习速率，为反馈环的输出值，为连接的输入激活强度，为调节偏差因子，为噪声修正项，代表在求和操作中参与的元素总数；利用所述初步调整后的权重和参数，将其与资源需求预测值结合，对多个权重和参数进行多次迭代计算，匹配当前资源使用模式，生成初步神经网络模型；对所述初步神经网络模型进行优化，通过调节网络层的深度和宽度，选择激活函数，调整损失函数的权重参数，实施小批量梯度下降法进行循环训练，匹配未来资源需求变化，生成优化后的神经网络模型；所述优化后的神经网络模型的获取步骤具体为：基于所述初步神经网络模型，增加和减少网络的层数和每层节点数，基于资源需求预测对隐藏层数量和节点数量进行优化配置，得到调整后的神经网络架构；基于所述调整后的神经网络架构，为多个隐藏层选择匹配的激活函数，对每一层使用差异化激活函数进行组合测试，采用公式： ；计算多个节点的响应输出，得到优化的激活函数组合；其中，表示神经网络层的输出，是多个节点激活函数处理后的加权和的总输出，为节点激活函数，为激活函数的权重系数，用于调节节点输入信号的强度，为输入信号，为偏置参数，用于调整激活函数的激活阈值，代表节点的总数，表示当前层中节点的数量；基于所述优化的激活函数组合，对损失函数的权重参数进行调节，结合当前权重矩阵实施小批量梯度下降训练，迭代计算神经网络误差，生成优化后的神经网络模型；应用所述优化后的神经网络模型，实施资源使用和网络负载的实时预测，根据预测结果调整资源分配和数据处理路径，得到调整后的资源配置策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东奥飞数据科技股份有限公司，其通讯地址为：511466 广东省广州市南沙区南沙街进港大道8号1508房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。