摘要
本发明提供一种基于免疫点时空模型的绿色算力网络资源需求预测方法,包括:构建包含算力节点的空间坐标(x,y)、时间信息、资源熵值及任务亲和度的六维特征空间;将六维特征空间输入时空图卷积网络,对节点算力需求的时空特征进行量化提取与预测;采用动态克隆选择算法计算节点的初始化抗体浓度,以及更新抗体浓度,迭代优化算力需求结果;基于资源调度模型模拟算力需求在算力网络中节点间的有效传播,来对节点之间的资源进行迁移;利用强化学习中的Q‑learning策略动态判断需进行资源调度的节点。方法结合免疫机制、时空深度学习及强化学习,提升算力需求预测的准确性及网络资源的调度效率,实现绿色算力网络的智能优化管理。