基于机器学习的电网信息通信服务器智能优化

随着我国电网向智能化、网络化、自动化发展,电网信息通信服务器承载着电网信息网络信息传输中的核心业务。信通服务器一般采用线程池技术来应对逐渐增多的用户请求,而选择合适的线程池尺寸成为了决定服务器性能的关键因素。本文提出一种基于支持向量机的信通服务器动态线程池智能优化模型,来动态减少用户的响应时间。首先,通过大量的信通服务器性能实验数据构造原始训练样本集,然后经过改进的流体优化算法搜索支持向量机的最优超参数,最后通过训练好的支持向量机预测不同电网用户场景下的最优线程池尺寸,从而实现对信通服务器的智能优化。通过辽宁省电网信通服务器的实验表明,基于改进流体优化算法的支持向量机智能线程池技术获得了更高的预测精度,减少了服务器的用户响应时间。