基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Web软件系统剩余使用寿命的预测精度是影响Web软件系统抗衰决策的重要方面, 为此, 提出了一种基于长短期记忆网络的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, 收集反映Web软件系统老化趋势的性能指标, 然后根据该指标数据的时序特性, 建立了一种基于长短时记忆网络(LSTM)的Web软件系统实时剩余寿命预测模型, 并对该模型进行了训练. 实验结果表明, 该预测模型能够有效对Web软件系统的剩余寿命进行实时预测, 具有更好的准确性和适用性. 将所提模型应用于Web软件系统寿命预测中, 能够有效完成预测, 该方法为优化系统抗衰决策提供了技术支撑.
推荐文章
基于全卷积层神经网络的轴承剩余寿命预测
全卷积层
神经网络
轴承
剩余寿命预测
基于LSTM的金属化膜电容器寿命预测
金属膜电容器
长短期记忆网络
寿命预测
深度学习
一种基于轴承剩余寿命预测的状态维修优化决策方法
工业工程学
神经网络
贝叶斯方法
振动频谱
剩余寿命分布
维修决策
基于PF-LSTM网络的高效网络流量预测方法
网络流量预测
长短期记忆神经网络
粒子滤波算法
预测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM网络的Web软件系统实时剩余寿命预测
来源期刊 计算机系统应用 学科
关键词 Web软件系统 抗衰决策 剩余使用寿命 长短期记忆网络
年,卷(期) 2021,(7) 所属期刊栏目 研究开发|Research and Development
研究方向 页码范围 253-258
页数 6页 分类号
字数 语种 中文
DOI 10.15888/j.cnki.csa.007976
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (147)
共引文献  (19)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(15)
  • 参考文献(2)
  • 二级参考文献(13)
2015(19)
  • 参考文献(0)
  • 二级参考文献(19)
2016(13)
  • 参考文献(0)
  • 二级参考文献(13)
2017(19)
  • 参考文献(1)
  • 二级参考文献(18)
2018(15)
  • 参考文献(1)
  • 二级参考文献(14)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Web软件系统
抗衰决策
剩余使用寿命
长短期记忆网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
论文1v1指导