買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京郵電大學申請的專利基于數據流批處理一體化架構的動態工作負載預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119961010B 。

龍圖騰網通過國家知識產權局官網在2025-06-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510443422.4，技術領域涉及：G06F9/50；該發明授權基于數據流批處理一體化架構的動態工作負載預測方法是由王旭峰;孫雁飛;徐飛易;亓晉;王愛寶;董振江設計研發完成，并于2025-04-10向國家知識產權局提交的專利申請。

本基于數據流批處理一體化架構的動態工作負載預測方法在說明書摘要公布了：本申請屬于邊緣云設備技術領域，公開了一種基于數據流批處理一體化架構的動態工作負載預測方法，該預測方法將靜態特征輸入線性解碼層進行映射，并將靜態特征和動態時間序列特征進行融合，通過多尺度時間卷積網絡層提取多尺度的時間依賴特征，并將其送入編碼器，得到互補注意力機制輸出，通過輕量級解碼器對互補注意力輸出進行預測。本申請通過互補注意力機制、多尺度時間卷積網絡以及輕量級解碼器設計，有效提高了動態工作負載預測的準確性與效率，具有廣泛的應用前景。

本發明授權基于數據流批處理一體化架構的動態工作負載預測方法在權利要求書中公布了：1.一種基于數據流批處理一體化架構的動態工作負載預測方法，其特征在于：所述動態工作負載預測方法通過動態工作負載預測模型實現，所述動態工作負載預測模型包括信息嵌入層、多尺度時間卷積網絡層、編碼層、線性解碼層，所述動態工作負載預測方法具體包括如下步驟： 步驟1、將帶寬工作負載數據集中的靜態特征輸入線性解碼層進行映射，得到與帶寬工作負載數據集中的動態時間序列特征相同維度的稠密向量空間； 步驟2、將靜態特征和動態時間序列特征進行融合，生成最終的輸入特征； 步驟3、通過多尺度時間卷積網絡層處理步驟2生成的最終的輸入特征，提取多尺度的時間依賴特征，所述多尺度的時間依賴特征包括長期依賴關系特征和短期依賴關系特征； 步驟4、將步驟3提取的多尺度的時間依賴特征送入編碼器，編碼器通過互補注意力機制捕捉長期依賴關系特征和短期依賴關系特征，得到互補注意力機制輸出，其中互補注意力機制包括稀疏注意力和局部注意力， 步驟5、通過輕量級解碼器對步驟4得到的互補注意力輸出進行預測；其中： 所述步驟4中，編碼器通過互補注意力機制捕捉長期依賴關系特征和短期依賴關系特征，具體包括以下步驟： 步驟4.1、稀疏注意力通過Top-k策略限制注意力權重計算時的計算范圍，僅關注前k個時間步，捕捉長期依賴關系特征； 步驟4.2、局部注意力通過動態窗口機制調整關注的前k個時間步，捕捉短期依賴關系特征； 步驟4.3、將稀疏注意力和局部注意力相結合，捕捉長期依賴關系特征和短期依賴關系特征，得到互補注意力機制輸出，步驟4.3具體包括如下步驟： 步驟4.3.1、在動態工作負載預測模型的前向傳播過程中，首先通過稀疏注意力機制計算輸入的動態時間序列特征X的長期依賴關系特征，得到稀疏注意力輸出SparseOut，然后進行正則化Dropout和歸一化LayerNorm處理，具體為： SparseOut＝DropoutLayerNormSparseAttentionX,X,X+X； 步驟4.3.2、步驟4.3.1得到的稀疏注意力輸出SparseOut被傳遞給局部注意力機制，計算后得到局部注意力輸出LocalOut，具體為： LocalOut＝LocalAttentionSparseOut，SparseOut，SparseOut； 步驟4.3.3、將稀疏注意力輸出和局部注意力輸出進行相加，然后進行正則化Dropout和歸一化LayerNorm處理，得到最終的組合輸出CombinedOut： CombinedOut＝DropoutLayerNormLocalOut+SparseOut 步驟4.3.4、經過融合的組合輸出CombinedOut送入動態工作負載預測模型的前饋神經網絡，得到最終互補注意力機制輸出FinalOut，具體為： FinalOut＝PositionWiseFeedForwardCombinedOut。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210046 江蘇省南京市棲霞區文苑路9號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。