技術(shù)特征：
1.一種針對云計算中主機(jī)負(fù)載預(yù)測的方法，其特征在于，包含以下步驟：步驟一、采集前n天的歷史數(shù)據(jù)，并將采集到的數(shù)據(jù)集分為訓(xùn)練集和驗(yàn)證集，需要預(yù)測的數(shù)據(jù)集為預(yù)測集；步驟二、利用相空間重構(gòu)的方法對訓(xùn)練集、驗(yàn)證集和預(yù)測集進(jìn)行相空間重構(gòu)；假設(shè)原來的負(fù)載數(shù)據(jù)是根據(jù)Packard和Takens提出的延遲坐標(biāo)法對負(fù)載數(shù)據(jù)進(jìn)行相空間重構(gòu)，得到多元時間變量Yj＝(Xj，Xj+τ，Xj+2τ，...，Xj+(m-1)τ)，其中m為嵌入維，τ為時延；重構(gòu)得到的多元時間序列為Xi＝(xT-H-1-(i-1)τ，...，xT-(i-1)τ)，i＝1，2，...m，其中T是預(yù)測點(diǎn)，H為預(yù)測的時間長度；步驟三、利用訓(xùn)練集計算EA-GMDH模型的系數(shù)，并用驗(yàn)證集的數(shù)據(jù)評估模型的好壞；將得到的多元時間序列作為EA-GMDH網(wǎng)絡(luò)的輸入，經(jīng)過整個網(wǎng)絡(luò)的運(yùn)算后得到最終的負(fù)載變化情況；利用訓(xùn)練集的數(shù)據(jù)，得到一組線性方程XC＝Y(jié)，每個節(jié)點(diǎn)的系數(shù)可以通過解這組線性方程得到，即C＝(XTX)-1XTY；在EA-GMDH算法中，每個染色體代表了一個EA-GMDH網(wǎng)絡(luò)架構(gòu)，整個染色體由3個部分組成，第一個部分代表了每個節(jié)點(diǎn)的輸入變量個數(shù)，第二部分代表每個節(jié)點(diǎn)的多項(xiàng)式類型，第三個部分代表了每個節(jié)點(diǎn)具體的輸入變量；對于每個染色體，定義了一個評價函數(shù)來評估該染色體的優(yōu)劣，從而決定該染色體在下一次迭代中是否該保留；評價函數(shù)的具體形式為：Nva表示測試集的大小，Wi是權(quán)重函數(shù)，用來表示測試集中每個數(shù)據(jù)所占權(quán)重的大小，Wi的定義為Di是測試集中第i個數(shù)據(jù)的輸入變量與預(yù)測集的輸入變量之間的歐氏距離；還需要加入交叉和變異操作；對于染色體的第一和第二部分，交叉操作的具體做法是隨機(jī)選擇一個交叉點(diǎn)，將兩個染色體交叉點(diǎn)后面的部分互換，第三部分根據(jù)第一和第二部分的變化而變化；變異操作與交叉操作類似；經(jīng)過預(yù)定次數(shù)的迭代后會得到最佳的染色體，這個染色體所代表的架構(gòu)就是進(jìn)行負(fù)載預(yù)測時所采用的EA-GMDH網(wǎng)絡(luò)架構(gòu)；步驟四、利用步驟三中得到的模型對預(yù)測集的數(shù)據(jù)進(jìn)行預(yù)測，從而得到最終的負(fù)載。2.一種根據(jù)權(quán)利要求1中所述方法實(shí)現(xiàn)的針對云環(huán)境中主機(jī)負(fù)載預(yù)測的系統(tǒng)，其特征在于，采用通用的計算裝置實(shí)現(xiàn)，能夠?qū)μ摂M機(jī)的負(fù)載進(jìn)行預(yù)測從而在主機(jī)過載前進(jìn)行虛擬機(jī)的調(diào)度，以保證服務(wù)水平協(xié)議(ServiceLevelAgreement，SLA)，該系統(tǒng)是權(quán)利要求1中所述方法的具體實(shí)現(xiàn)。3.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，包括以下模塊：(1)數(shù)據(jù)采集模塊，用于采集主機(jī)負(fù)載的歷史情況；(2)相空間重構(gòu)模塊，該模塊運(yùn)行權(quán)利要求1所述方法的步驟二中的算法，用于將單元時間變量變成多元時間變量，作為EA-GMDH網(wǎng)絡(luò)的輸入；(3)基于遺傳算法的數(shù)據(jù)分組處理模塊，該模塊運(yùn)行權(quán)利要求1所述方法的步驟三中的算法，利用訓(xùn)練集和驗(yàn)證集得到一個合適的預(yù)測模型；(4)預(yù)測模塊，該模塊利用得到的模型進(jìn)行主機(jī)負(fù)載預(yù)測。