本發(fā)明涉及云計(jì)算，尤其涉及一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化的方法及平臺(tái)。

背景技術(shù)：

1、隨著云計(jì)算技術(shù)的快速發(fā)展，云服務(wù)平臺(tái)積累了海量的數(shù)據(jù)，如何有效地利用這些數(shù)據(jù)進(jìn)行業(yè)務(wù)分析和預(yù)測(cè)，成為了云服務(wù)提供商和用戶共同關(guān)注的焦點(diǎn)。云渲染服務(wù)作為一種典型的云服務(wù)，其業(yè)務(wù)指標(biāo)的預(yù)測(cè)和分析對(duì)于優(yōu)化資源配置、提高服務(wù)質(zhì)量、提升用戶體驗(yàn)至關(guān)重要。

2、傳統(tǒng)的云渲染服務(wù)可視化平臺(tái)主要依賴于歷史數(shù)據(jù)和簡單的線性回歸模型進(jìn)行趨勢(shì)預(yù)測(cè)，存在以下不足：

3、預(yù)測(cè)能力有限：線性回歸模型難以捕捉復(fù)雜的數(shù)據(jù)模式和趨勢(shì)，預(yù)測(cè)精度較低。

4、缺乏個(gè)性化定制：用戶無法根據(jù)自身需求選擇合適的模型和調(diào)整參數(shù)，數(shù)據(jù)看板展示內(nèi)容和分析角度固定，難以滿足個(gè)性化需求。

5、交互性不足：數(shù)據(jù)看板展示內(nèi)容靜態(tài)，缺乏實(shí)時(shí)更新和交互式探索功能，用戶難以深入理解數(shù)據(jù)背后的規(guī)律。

6、目前，一些云服務(wù)平臺(tái)已經(jīng)開始嘗試引入機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行業(yè)務(wù)指標(biāo)預(yù)測(cè)，例如：

7、amazon?cloudwatch：提供基于機(jī)器學(xué)習(xí)的異常檢測(cè)和預(yù)測(cè)功能，幫助用戶識(shí)別潛在問題和優(yōu)化資源利用。

8、google?cloud?monitoring：支持用戶自定義指標(biāo)和警報(bào)規(guī)則，并提供基于歷史數(shù)據(jù)的預(yù)測(cè)分析。

9、microsoft?azure?monitor：提供基于機(jī)器學(xué)習(xí)的日志分析和異常檢測(cè)功能，幫助用戶快速識(shí)別和解決問題。

10、然而，這些平臺(tái)大多局限于簡單的機(jī)器學(xué)習(xí)模型，缺乏對(duì)時(shí)間序列數(shù)據(jù)特性的深入理解，難以滿足云渲染服務(wù)對(duì)預(yù)測(cè)精度和個(gè)性化定制的更高要求。

11、現(xiàn)有技術(shù)的不足之處：

12、預(yù)測(cè)模型單一：現(xiàn)有平臺(tái)大多采用簡單的線性回歸模型或基礎(chǔ)的機(jī)器學(xué)習(xí)模型，難以捕捉時(shí)間序列數(shù)據(jù)的復(fù)雜模式和趨勢(shì)，導(dǎo)致預(yù)測(cè)精度不足。

13、缺乏個(gè)性化定制：用戶無法根據(jù)自身需求選擇合適的模型和調(diào)整參數(shù)，數(shù)據(jù)看板展示內(nèi)容和分析角度固定，難以滿足個(gè)性化需求。

14、交互性不足：數(shù)據(jù)看板展示內(nèi)容靜態(tài)，缺乏實(shí)時(shí)更新和交互式探索功能，用戶難以深入理解數(shù)據(jù)背后的規(guī)律。

15、ai大語言模型的潛力未被充分挖掘：現(xiàn)有平臺(tái)尚未有效利用ai大語言模型強(qiáng)大的分析和代碼執(zhí)行能力，無法實(shí)現(xiàn)模型的智能推薦和自動(dòng)訓(xùn)練，限制了平臺(tái)的易用性和預(yù)測(cè)精度。

16、綜上所述，現(xiàn)有云服務(wù)預(yù)測(cè)性可視化平臺(tái)在預(yù)測(cè)精度、個(gè)性化定制、交互性等方面存在不足，難以滿足云渲染服務(wù)對(duì)數(shù)據(jù)分析和預(yù)測(cè)的更高需求。

17、因此，現(xiàn)有技術(shù)存在缺陷，需要改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是：提供一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化的方法及平臺(tái)，實(shí)現(xiàn)更精準(zhǔn)、更靈活、更易用的數(shù)據(jù)預(yù)測(cè)和分析體驗(yàn)。

2、本發(fā)明的技術(shù)方案如下：提供一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化的方法，包括以下步驟。

3、s1：收集云渲染平臺(tái)的歷史數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗、預(yù)處理和特征工程。

4、s2：建立包含多種時(shí)間序列模型的模型庫，并提供詳細(xì)的模型介紹和使用指南。

5、s3：構(gòu)建交互式界面，提供友好的用戶體驗(yàn)，交互式界面支持交互式圖表、實(shí)時(shí)更新、多維度分析功能。

6、s4：利用ai大語言模型的工具調(diào)用和代碼執(zhí)行能力進(jìn)行數(shù)據(jù)預(yù)測(cè)和分析；具體為根據(jù)用戶輸入的數(shù)據(jù)特征和分析目標(biāo)，經(jīng)過ai大語言模型的引導(dǎo)，推薦合適的預(yù)置時(shí)間序列模型，并自動(dòng)完成模型訓(xùn)練和參數(shù)調(diào)優(yōu)，最后進(jìn)行預(yù)測(cè)結(jié)果展示。

7、進(jìn)一步地，在步驟s1中，所述歷史數(shù)據(jù)包括：提交作業(yè)數(shù)據(jù)、用戶數(shù)據(jù)、費(fèi)用數(shù)據(jù)、渲染時(shí)長數(shù)據(jù)。

8、進(jìn)一步地，在步驟s2中，所述時(shí)間序列模型包括arima、prophet、lstm。

9、進(jìn)一步地，在步驟s3中，構(gòu)建交互式界面使用react框架或vue框架。

10、進(jìn)一步地，所述預(yù)測(cè)結(jié)果展示包括：交互式圖表、多維度分析、預(yù)測(cè)結(jié)果解讀。

11、進(jìn)一步地，本發(fā)明還提供一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化平臺(tái)，包括：數(shù)據(jù)層、模型層、服務(wù)層和用戶界面層。

12、所述數(shù)據(jù)層用于收集、清洗、預(yù)處理云渲染平臺(tái)的時(shí)間序列數(shù)據(jù)，并進(jìn)行特征工程，為模型訓(xùn)練提供高質(zhì)量的數(shù)據(jù)輸入。

13、所述模型層利用ai大語言模型的工具調(diào)用和代碼執(zhí)行能力，根據(jù)用戶輸入的數(shù)據(jù)特征和分析目標(biāo)，ai大語言模型分析數(shù)據(jù)，推薦合適的預(yù)置時(shí)間序列模型，并自動(dòng)完成模型訓(xùn)練和參數(shù)調(diào)優(yōu)。

14、所述服務(wù)層通過api接口獲取數(shù)據(jù)，然后進(jìn)行模型調(diào)用，并通過模型對(duì)數(shù)據(jù)進(jìn)行處理，然后預(yù)測(cè)結(jié)果，并將預(yù)測(cè)的結(jié)果進(jìn)行數(shù)據(jù)可視化。

15、所述用戶界面層用于提供交互式圖表、實(shí)時(shí)更新、多維度分析等功能，使用戶能夠直觀地觀察數(shù)據(jù)變化，并進(jìn)行交互式探索。

16、進(jìn)一步地，所述數(shù)據(jù)層收集的數(shù)據(jù)包含：提交作業(yè)數(shù)據(jù)、提交作業(yè)用戶數(shù)據(jù)、作業(yè)渲染費(fèi)用數(shù)據(jù)、作業(yè)渲染總時(shí)長數(shù)據(jù)、申請(qǐng)機(jī)器數(shù)據(jù)、機(jī)器計(jì)費(fèi)總時(shí)長數(shù)據(jù)、失敗作業(yè)數(shù)據(jù)、幀任務(wù)數(shù)據(jù)、項(xiàng)目數(shù)據(jù)等；數(shù)據(jù)層進(jìn)行的數(shù)據(jù)清洗和預(yù)處理包括：缺失值處理、異常值檢測(cè)、數(shù)據(jù)標(biāo)準(zhǔn)化等；數(shù)據(jù)層進(jìn)行的特征工程為根據(jù)業(yè)務(wù)需求提取有價(jià)值的特征，例如用戶類型、作業(yè)類型、機(jī)器配置等。

17、進(jìn)一步地，所述模型層預(yù)置時(shí)間序列模型，包括arima、prophet、lstm；所述模型層進(jìn)行的模型訓(xùn)練過程和結(jié)果支撐可視化展示。arima：自回歸積分滑動(dòng)平均模型(autoregressive?integrated?moving?average?model)，lstm：長短期記憶網(wǎng)絡(luò)(longshort-term?memory)。

18、進(jìn)一步地，交互式圖表支持折線圖、柱狀圖、散點(diǎn)圖等多種圖表類型，用戶可以自定義圖表樣式和數(shù)據(jù)維度；實(shí)時(shí)更新為預(yù)測(cè)結(jié)果圖表根據(jù)用戶輸入和操作實(shí)時(shí)更新，展現(xiàn)數(shù)據(jù)變化趨勢(shì)；多維度分析支持用戶從多個(gè)維度分析數(shù)據(jù)，例如時(shí)間、用戶、項(xiàng)目、機(jī)器等，并提供數(shù)據(jù)篩選、排序、分組等功能。

19、進(jìn)一步地，服務(wù)層提供模型預(yù)測(cè)結(jié)果的解釋，例如哪些特征對(duì)預(yù)測(cè)結(jié)果影響較大，幫助用戶理解時(shí)間序列模型的預(yù)測(cè)邏輯。

20、本發(fā)明相比現(xiàn)有技術(shù)，具有以下特點(diǎn)：

21、利用ai大語言模型引導(dǎo)模型選擇和訓(xùn)練：通過ai大語言模型的分析能力，根據(jù)用戶需求推薦合適的模型，并自動(dòng)完成模型訓(xùn)練和參數(shù)調(diào)優(yōu)，降低了使用門檻，提高了預(yù)測(cè)精度。

22、提供個(gè)性化定制功能：用戶可以根據(jù)自身需求選擇合適的模型、調(diào)整參數(shù)，并自定義數(shù)據(jù)看板的展示內(nèi)容和分析角度，獲得更符合需求的分析結(jié)果。

23、實(shí)現(xiàn)交互式預(yù)測(cè)結(jié)果展示：預(yù)測(cè)結(jié)果圖表根據(jù)用戶輸入和操作實(shí)時(shí)更新，用戶可以進(jìn)行交互式探索，深入理解數(shù)據(jù)背后的規(guī)律。

24、本發(fā)明旨在解決現(xiàn)有云服務(wù)預(yù)測(cè)性可視化平臺(tái)預(yù)測(cè)精度不足、個(gè)性化定制能力弱、交互性差等問題，提供一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化平臺(tái)，實(shí)現(xiàn)更精準(zhǔn)、更靈活、更易用的數(shù)據(jù)預(yù)測(cè)和分析體驗(yàn)，能夠真實(shí)反映云渲染服務(wù)中關(guān)鍵業(yè)務(wù)指標(biāo)的未來趨勢(shì)，并滿足用戶個(gè)性化的數(shù)據(jù)分析需求。

25、本發(fā)明提升預(yù)測(cè)精度：克服現(xiàn)有平臺(tái)預(yù)測(cè)模型單一的局限，引入多種時(shí)間序列模型并結(jié)合ai大語言模型的分析能力，更準(zhǔn)確地預(yù)測(cè)未來數(shù)據(jù)趨勢(shì)。

26、本發(fā)明增強(qiáng)個(gè)性化定制：使用戶能夠根據(jù)自身需求選擇合適的模型、調(diào)整參數(shù)，并自定義數(shù)據(jù)看板的展示內(nèi)容和分析角度，獲得更符合需求的分析結(jié)果。

27、本發(fā)明提升交互性：通過實(shí)時(shí)更新預(yù)測(cè)結(jié)果圖表、提供多維度分析工具，使用戶能夠直觀地觀察數(shù)據(jù)變化，并進(jìn)行交互式探索，深入理解數(shù)據(jù)背后的規(guī)律。

28、本發(fā)明充分利用ai大語言模型的潛力：利用ai大語言模型的工具調(diào)用和代碼執(zhí)行能力，實(shí)現(xiàn)模型的智能推薦和自動(dòng)訓(xùn)練，提高平臺(tái)的易用性和預(yù)測(cè)精度。

29、本發(fā)明實(shí)現(xiàn)一個(gè)功能強(qiáng)大、易于使用、能夠滿足個(gè)性化需求的云服務(wù)預(yù)測(cè)性可視化方法及平臺(tái)，幫助用戶更好地理解和預(yù)測(cè)業(yè)務(wù)趨勢(shì)，優(yōu)化資源配置，提升服務(wù)質(zhì)量。

30、采用上述方案，本發(fā)明提供一種基于ai大語言模型的云服務(wù)預(yù)測(cè)性可視化的方法及平臺(tái)，具有以下優(yōu)點(diǎn)：

31、1、測(cè)精度更高：通過引入多種時(shí)間序列模型和ai大語言模型的分析能力，能夠更準(zhǔn)確地捕捉數(shù)據(jù)模式和趨勢(shì)，顯著提高預(yù)測(cè)精度。例如，在對(duì)云渲染服務(wù)提交作業(yè)數(shù)據(jù)的預(yù)測(cè)中，相比傳統(tǒng)的線性回歸模型，本發(fā)明預(yù)測(cè)精度提升了20％以上。

32、2、個(gè)性化定制能力更強(qiáng)：用戶可以根據(jù)自身需求選擇合適的模型、調(diào)整參數(shù)，并自定義數(shù)據(jù)看板的展示內(nèi)容和分析角度，獲得更符合需求的分析結(jié)果，滿足了不同用戶對(duì)數(shù)據(jù)分析的個(gè)性化需求。

33、3、交互性更好：預(yù)測(cè)結(jié)果圖表根據(jù)用戶輸入和操作實(shí)時(shí)更新，用戶可以進(jìn)行交互式探索，更直觀地觀察數(shù)據(jù)變化，更深入地理解數(shù)據(jù)背后的規(guī)律。

34、4、易用性更強(qiáng)：ai大語言模型的引導(dǎo)功能簡化了模型選擇和訓(xùn)練過程，降低了用戶使用門檻，即使沒有專業(yè)知識(shí)的用戶也能輕松上手。

35、具體而言，本發(fā)明帶來的技術(shù)效果包括：

36、1、更準(zhǔn)確地預(yù)測(cè)云渲染服務(wù)關(guān)鍵業(yè)務(wù)指標(biāo)的未來趨勢(shì)，例如提交作業(yè)數(shù)、渲染費(fèi)用、渲染時(shí)長等，幫助用戶更好地規(guī)劃資源、優(yōu)化成本、提升服務(wù)質(zhì)量。

37、2、提供更靈活、更個(gè)性化的數(shù)據(jù)分析工具，滿足不同用戶對(duì)數(shù)據(jù)分析的個(gè)性化需求，例如運(yùn)營人員可以關(guān)注用戶行為分析，財(cái)務(wù)人員可以關(guān)注成本收益分析，管理者可以關(guān)注整體業(yè)務(wù)趨勢(shì)分析。

38、3、提升用戶對(duì)數(shù)據(jù)分析的參與度和興趣，通過交互式圖表和可視化分析工具，使用戶更直觀地理解數(shù)據(jù)，更積極地參與數(shù)據(jù)分析，從而挖掘數(shù)據(jù)價(jià)值，提高決策效率。

39、總而言之，本發(fā)明通過結(jié)合ai大語言模型和多種時(shí)間序列模型，實(shí)現(xiàn)了對(duì)云服務(wù)數(shù)據(jù)的精準(zhǔn)預(yù)測(cè)和個(gè)性化分析，為用戶提供更精準(zhǔn)、更靈活、更易用的數(shù)據(jù)分析工具，具有顯著的技術(shù)優(yōu)勢(shì)和應(yīng)用價(jià)值。