پیش بینی قیمت منابع در شبکه ابری با پیشنهاد ساختار جدیدی در یادگیری عمیق با در نظر گرفتن سطح کیفیت خدمات

نویسندگان

1 دانشکده برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 دانشکده برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

3 دانشکده برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

doi
10.30495/jce.2025.1993480.1327
چکیده

رایانش ابری یک مدل محاسباتی است که برای ارائه منابع به کاربران از سه الگوی برحسب تقاضا، رزرو شده و نقطه‌ای بهره می ­ برد. قیمت   نمونه ­ های نقطه‌ای به طور متوسط کمتر از سایر الگوها بوده و بر اساس عرضه و تقاضا دارای نوسان است. هنگامی که کاربر یک نمونه نقطه ­ ای را درخواست کند، باید پیشنهادی ارائه دهد. تنها در صورتی که قیمت پیشنهادی کاربر بالاتر از قیمت نقطه ­ ای باشد، کاربر می‌تواند از این نوع منابع استفاده کند. لذا پیش‌بینی قیمت نمونه‌های نقطه‌ای بسیار مهم و چالش‌برانگیز است. پیش‌بینی این‌گونه سری‌های زمانی پویا که از مدل غیرخطی پیروی می‌کنند، نیازمند ابزار هوشمندي مانند شبکه‌های عصبی است تا بتواند با مشاهده مقادیری از یک سری زمانی، مقادیر آتی را با کم‌ترین خطا پیش‌بینی کنند. بنابراین قابلیت اطمینان و در نتیجه کیفیت سرویس ارتقاء می‌یابد. بدین منظور، ما آمازون EC2 را به عنوان یک بستر آزمايشي در نظر گرفتیم و از تاریخچه قیمت نقطه‌ای برای پیش‌بینی قیمت آینده با ساخت مدلی نوین مبتنی بر یادگیری عمیق استفاده کردیم. نتایج به دست آمده نشان داد که مدل ارائه شده مقاله بر پايه ساختار پيشنهادي MGRU ( GRU اصلاح شده) به خوبی می‌تواند پیش‌بینی مقادیر غیرخطی را انجام دهد و عملکرد بهتری نسبت به سایر روش‌های مورد استفاده در این حوزه داشته باشد .