计算机应用

作者：党伟超, 李涛, 白尚旺, 高改梅, 刘春霞

单位：太原科技大学 计算机科学与技术学院, 太原 030024

关键词：Web软件系统,剩余使用寿命,长短期记忆网络,自注意力机制,抗衰决策

基金：山西省应用基础研究计划项目（201901D111266）。

为了能够实时准确对Web软件系统的剩余使用寿命（RUL）进行预测，考虑Web系统健康状态性能指标的时序特性和指标间的相互依赖特性，提出了一种基于自注意力长短期记忆（Self-Attention-LSTM）网络的Web软件系统实时剩余寿命预测方法。首先，搭建加速寿命测试实验平台来收集反映Web软件系统老化趋势的性能指标数据；然后，根据该性能指标数据的时序特性来构建长短期记忆（LSTM）循环神经网络以提取性能指标的隐含层特征，并使用自注意力机制建模特征间的依赖关系；最后，得到系统RUL的实时预测值。在三组测试集上，把所提模型与反向传播（BP）网络和常规的循环神经网络（RNN）做了对比。实验结果表明，所提模型的平均绝对误差（MAE）比长短期记忆（LSTM）网络平均低16.92%，相对准确率（Accuracy）比LSTM网络平均高5.53%，验证了Self-Attention-LSTM网络剩余寿命预测模型的有效性。可见所提方法能为优化系统抗衰决策提供技术支撑。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期