Development the resources load variation forecasting method within cloud computing systems

Abstract

The subject of research in the article is the models and methods of resources load forecasting in cloud computing systems using the mathematical apparatus of neural networks. The aim of the work is increasing the efficiency of computing systems resources usage (such as RAM, disk space, CPU, network) by developing methods of resources load forecasting. The article addresses the following tasks: development of an integrated approach to the problems of resources load forecasting within cloud computing systems, which includes thesyn thesis of a combining forecasting neural network; development of a forecasting neural network model based on Elmanneural network; development of a method for training a neural network based on an artificial immunity algorithm; evaluation of the effectiveness of the developed method. To solve the set tasks, the approaches and methods of artificial neural and immune systems were used, as well as methods of theoretical research, which are based on the scientific provisions of the theory of artificial inte lligence, statistic, functional and systemic analyzes. The following resultswere obtained: on the basis of the analysis of resources load forecasting methods in cloud computing systems, the main results of the methods were revealed, the advantages and disadvantages were demonstrated. On the basis of the research resultsanalysis, the necessity of improving analytical methods for forecasting the load has been proved. The method of computing resources load forecasting in cloud computing systems has been improved, which makes it possible to obtain more accurate assessment results and prevent overloads in cloud computing systems. The results obtained are confirmed by the experiments carried out using the means of the infrastructure of private infrastructure services. Conclusions: improved the resources load forecasting method based on the mathematical apparatus of artificial neural networks to improve the efficiency of their usage.Предметом дослідження в статті є моделі і методи прогнозування навантаження в умовах хмарних обчислень з використанням математичного апарату нейронних мереж. Метою роботи є підвищення ефективності використання ресурсів системах хмарних обчислень (таких, як оперативна пам'ять, дисковий простір, ЦПУ, мережа) шляхом розробки методів прогнозування використання навантаження ресурсів. У статті вирішуються такі задачі: розробка комплексного підходу до завдань прогнозування навантаження ресурсів хмарних систем, що включає в себе синтез комбінованої прогнозуючої нейронної мережі; розробка прогнозної нейросетевої моделі на базі нейронної мережі Елмана; розробка методу навчання нейронної мережі на основі алгоритму штучного імунітету; оцінка ефективності розробленого методу. Для вирішення поставлених завдань були використані підходи і методиштучних нейронних та імунних систем, а також методи теоретичних досліджень, які засновані на наукових положеннях теорії штучного інтелекту, статистичного, функціонального і системногоаналізів. Отримані наступні результати: на основі проведеного аналізу методів прогнозування різних навантажень в системах систем обчислень були виявлені основні особливості існуючих методів, продемонстровані їх переваги і недоліки. На основі проведеного аналізу результатів дослідження доведено доцільність вдосконалення аналітичних методів прогнозування навантаження. Удосконалено метод прогнозування навантаження обчислювальних ресурсів в системах хмарних обчислень, що дозволяє отримати більш точні результати оцінки і забезпечити перевантажень в системах хмарних обчислень. Отримані результати підтверджені проведеними експериментами при використанні коштів інфраструктури приватних інфраструктурних сервісів. Висновки: удосконалення методу прогнозування навантаження на базу математичного апарату штучних нейронних мереж. Забезпечити планування розмежування ресурсів з метою підвищення ефективності їх використання.