买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于Transformer的云数据中心环境下任务故障预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116471197B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310427686.1，技术领域涉及：H04L41/149；该发明授权一种基于Transformer的云数据中心环境下任务故障预测方法是由黄彬彬;殷昱煜;黄子信;朱嫣然设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于Transformer的云数据中心环境下任务故障预测方法在说明书摘要公布了：本发明公开了一种基于Transformer的云数据中心环境下任务故障预测方法，该方法首先，将任务执行过程中的CPU使用率、内存使用率等信息组成时间序列，将任务故障预测问题建模成基于时间序列的二分类问题。然后将一维卷积神经网络与Transformer相结合，通过一维卷积神经网络提取时间序列的局部依赖关系，并通过Transformer核心的多头注意力机制，自适应地为每个时间点赋予权重，提取不同子空间下的全局依赖关系。本发明将1DCNN和Transformer模型相结合，可以互补地提取时间序列的特征，避免了传统时序神经网络容易出现信息遗忘的缺点，提高特征抽取的质量，更加准确地预测任务是否会发生故障。

本发明授权一种基于Transformer的云数据中心环境下任务故障预测方法在权利要求书中公布了：1.一种基于Transformer的云数据中心环境下任务故障预测方法，其特征在于该方法包括以下步骤： S1.将云数据中心环境下任务故障预测建模为一个基于时间序列的二分类问题： 收集过去一定时间内的任务资源使用情况信息并形成时间序列，基于该时间序列预测任务是否会发生故障； 由一个或多个任务构成作业，每个所述任务都伴随着一组资源需求，对于作业层面的故障预测，只有该作业里所有任务都被预测为没有发生故障时，该作业才会被预测为没有故障； S2.确定与任务故障相关的特征，包括资源使用情况、任务调度优先级、任务重新提交次数和调度延迟； S3.结合一维卷积神经网络和Transformer模型对输入的时间序列进行特征提取，并根据提取的特征进行分类以预测云数据中心的任务以及作业是否会发生故障，其具体流程如下： S31.输入层： 在每个时间点，观察任务的CPU使用情况、内存使用情况、缓存使用情况、磁盘IO时间、平均磁盘使用率、任务调度优先级、任务重新提交次数以及调度延迟；将这些特征设置为一个向量，作为每个时间点对任务的观测结果；这些向量将组成一个时间序列，作为预测模型的输入； S32.一维卷积操作层： 在得到任务的输入时间序列后，将其经过一维卷积操作层以提取时序的局部特征；所述的一维卷积操作层中一维卷积的计算如下： 其中f1,i,k,m表示对于任务Xi来说，其输入数据在经过第k个卷积核操作后第m个位置的输出，A表示输入通道数，即输入数据的维度，bk,a表示第k个卷积核的通道a的偏置值，S表示一维卷积的卷积核尺寸，ωk,a,s表示第k个卷积核的通道a上，位置为s的数据； 将每个输出位置都通过上述计算即可得到一维卷积层的输出； 经过一维卷积层后再经过激活函数层，通过引入非线性变换，以让神经网络学到更加复杂的表示； 通过最大池化层对特征图进行压缩； S33.Transformer层： 在得到一维卷积操作层的结果后，通过Transformer层提取时序的全局特征； S34.均值池化和全连接层： 在得到Transformer层的输出后，经过一层均值池化和全连接层学习不同特征之间的交互关系，再经过激活函数以输出分类概率； 将输出与阈值比较，以预测对应任务是否会为发生故障，而作业由一个或多个任务组成，其是否发生故障由该作业内所有任务的故障预测情况决定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。