本发明涉及人工智能，特别涉及一种云平台容量预测方法、装置、设备及存储介质。
背景技术：
1、随着云计算技术的飞速发展，云平台已经成为企业it基础设施的重要组成部分。云平台提供了弹性的计算资源、存储和网络服务，使得云平台运营商能够根据自身的业务需求灵活地扩展和缩减资源。然而，云平台的容量管理问题一直是一个挑战，尤其是在应对突发的高负载情况时。如何准确地预测云平台的容量需求，并进行预警，成为了亟待解决的问题。
2、传统的云平台容量管理方法主要依赖于人工经验和规则制定，通过预设的规则和阈值来触发资源的扩展或缩减。然而，这种方法往往存在预测不准确、响应不及时等问题，无法满足云平台对容量管理的实时性和准确性的要求。因此，如何更准确的预测云平台的容量是需要解决的。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种云平台容量预测方法、装置、设备及存储介质，能够准确地预测云平台的容量需求。其具体方案如下：
2、第一方面，本技术公开了一种云平台容量预测方法，包括：
3、从目标云平台中收集历史云平台运维数据和云平台负载影响数据，并对所述历史云平台运维数据和所述云平台负载影响数据进行特征工程和数据预处理以得到目标训练数据；
4、根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型；
5、获取所述目标云平台的当前云平台运维数据和当前云平台负载影响数据，并将所述当前云平台运维数据和所述当前云平台负载影响数据输入至所述目标运维大模型中，以得到所述目标云平台的运维容量需求。
6、可选的，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
7、根据所述目标训练数据的第一数据类型将梯度提升决策树模型确定为目标初始训练模型；所述第一数据类型为非线性数据类型；
8、对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到训练中决策树模型；
9、获取所述训练中决策树模型的残差值，并基于所述残差值生成决策树；
10、将所述决策树加入到所述训练中决策树模型中以得到新的目标初始训练模型后跳转至利用目标特征向量对所述目标初始训练模型进行模型训练以得到训练中决策树模型的步骤，直到所述训练中决策树模型中的超参数满足预设模型训练停止条件；
11、将超参数满足所预设模型训练停止条件的所述训练中决策树模型确定为目标运维大模型。
12、可选的，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
13、根据所述目标训练数据的第二数据类型将反向传播神经网络模型确定为目标待训练模型，并对所述目标待训练模型中的模型网格进行设置以得到目标初始训练模型；所述第二数据类型为基于目标用户端下发的数据选择指令确定的数据类型；
14、对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练，并利用预设优化算法对训练中的所述目标初始训练模型的权重和偏置进行调整以得到目标运维大模型。
15、可选的，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
16、根据所述目标训练数据的第三数据类型将卷积神经网络模型确定为目标初始训练模型；所述第三数据类型为序列数据类型；
17、将所述目标训练数据的数据格式转化为cnn格式以得到转化后数据，并对所述转化后数据进行数据多样化处理和特征工程以得到目标特征向量；
18、利用目标特征向量对所述目标初始训练模型进行模型训练，并通过预设损失函数和预设优化算法对训练中的所述目标初始训练模型的权重和偏置进行调整以得到目标运维大模型。
19、可选的，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
20、根据所述目标训练数据的第四数据类型将长短期记忆网络模型确定为目标待训练模型，并对所述目标待训练模型中的模型网络层进行设置以得到目标初始训练模型；所述第四数据类型为时间序列数据类型；
21、将所述目标训练数据缩放至预设数据区间内，并基于预设时间窗口对缩放后的所述目标训练数据进行数据划分以得到处理后时间数据，然后对所述处理后时间数据进行特征工程以得到目标特征向量；
22、利用目标特征向量对所述目标初始训练模型进行模型迭代训练，并利用预设回调函数对模型训练过程进行监督直到模型迭代训练达到预设训练轮次后确定目标运维大模型。
23、可选的，所述将所述当前云平台运维数据和所述当前云平台负载影响数据输入至所述目标运维大模型中，以得到所述目标云平台的运维容量需求之后，还包括：
24、判断所述运维容量需求是否大于预设容量阈值；
25、如果所述运维容量需求大于所述预设容量阈值，则基于所述运维容量需求与所述预设容量阈值的差值从预设处理措施数据库中选择目标处理措施；
26、基于所述目标处理措施生成报警信息，并将所述报警信息发送给预设用户端。
27、可选的，所述基于所述目标处理措施生成报警信息，并将所述报警信息发送给预设用户端之后，还包括：
28、获取所述用户端基于所述报警信息发送的反馈调整指令，并基于所述反馈调整指令获取所述目标云平台的实际容量需求；
29、判断所述实际容量需求与所述运维容量需求的差值是否大于预设差值阈值；
30、若是，则对所述目标运维大模型的模型参数进行调整优化以得到更新后目标运维大模型。
31、第二方面，本技术公开了一种云平台容量预测装置，包括：
32、数据处理模块，用于从目标云平台中收集历史云平台运维数据和云平台负载影响数据，并对所述历史云平台运维数据和所述云平台负载影响数据进行特征工程和数据预处理以得到目标训练数据；
33、模型训练模块，用于根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型；
34、容量预测模块，用于获取所述目标云平台的当前云平台运维数据和当前云平台负载影响数据，并将所述当前云平台运维数据和所述当前云平台负载影响数据输入至所述目标运维大模型中，以得到所述目标云平台的运维容量需求。
35、第三方面，本技术公开了一种电子设备，包括：
36、存储器，用于保存计算机程序；
37、处理器，用于执行所述计算机程序以实现前述的云平台容量预测方法。
38、第四方面，本技术公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的云平台容量预测方法。
39、可见，本技术中，首先从目标云平台中收集历史云平台运维数据和云平台负载影响数据，并对所述历史云平台运维数据和所述云平台负载影响数据进行特征工程和数据预处理以得到目标训练数据；根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型；获取所述目标云平台的当前云平台运维数据和当前云平台负载影响数据，并将所述当前云平台运维数据和所述当前云平台负载影响数据输入至所述目标运维大模型中，以得到所述目标云平台的运维容量需求。即，通过对通过手机历史云平台运维数据和云平台负载影响数据，并利用人工智能技术和机器学习算法对数据进行分析和学习生成运维大模型，可以更准确地预测未来的云平台容量需求，减少预测误差。
1.一种云平台容量预测方法，其特征在于，包括：
2.根据权利要求1所述的云平台容量预测方法，其特征在于，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
3.根据权利要求1所述的云平台容量预测方法，其特征在于，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
4.根据权利要求1所述的云平台容量预测方法，其特征在于，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
5.根据权利要求1所述的云平台容量预测方法，其特征在于，所述根据所述目标训练数据的数据类型从若干预设算法模型中确定目标初始训练模型，并对所述目标训练数据进行特征工程以得到目标特征向量，然后利用目标特征向量对所述目标初始训练模型进行模型训练以得到目标运维大模型，包括：
6.根据权利要求1至5任一项所述的云平台容量预测方法，其特征在于，所述将所述当前云平台运维数据和所述当前云平台负载影响数据输入至所述目标运维大模型中，以得到所述目标云平台的运维容量需求之后，还包括：
7.根据权利要求6所述的云平台容量预测方法，其特征在于，所述基于所述目标处理措施生成报警信息，并将所述报警信息发送给预设用户端之后，还包括：
8.一种云平台容量预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的云平台容量预测方法。
