技术总结
本发明公开一种基于深度学习的Web服务QoS预测方法，提出深度学习预测模型对服务质量进行预测。该方法包括以下步骤：首先利用小波变换方法对QoS属性数据进行预处理，将原始序列分解重构为数个低频序列和高频序列，然后对各子序列分别训练深度循环型神经网络模型，在预测阶段将各个循环型神经网络模型的预测值进行叠加得到最终的预测值。为了验证预测效果，对响应时间，吞吐量等QoS属性进行预测，并且采用精度分析和有效性评估两种方式对实验结果进行比较。不同特征的时间序列样本下，深度学习预测模型能保持较高的预测精度，优于单一的预测模型，提供较为稳定良好的预测表现。
技术研发人员：张鹏程;孙颍桃;张雷;王丽艳;江艳;刘琪
受保护的技术使用者：河海大学
文档号码：201610847610
技术研发日：2016.09.26
技术公布日：2017.02.22