1.一种基于SVR和高斯函数的云服务器老化预测方法，其特征在于，具体按以下步骤实施：步骤1，收集云服务器的资源和性能数据；

步骤2，获取云服务器资源和性能序列数据；

所述步骤2中云服务器资源和性能序列数据包括CPU空闲率、可用内存、平均负载和响应时间；

步骤3，将经步骤2取得的序列数据进行预处理；

所述步骤3中序列数据预处理具体为采用归一化处理方法，将云服务器原始数据映射到[‑1,1]区间；

所述预处理具体按以下步骤实施：

步骤3.1，求得序列数据的平均值记为xmean,最大值记为xmax；

步骤3.2，使用序列数据减去xmean；

步骤3.3，使用步骤3.2得到的序列数据除以最大值xmax；

步骤4，基于长度为l的滑动窗口对序列数据进行特征提取，特征评估和特征融合；

具体按以下步骤实施：

步骤4.1，使用长度为l的滑动窗口对序列数据进行分割操作；

步骤4.2，基于步骤4.1的分割结果，计算序列数据的特征序列，并根据特征数据单调度算法计算各特征序列的单调度，选取单调度大于单调阈值σ＝0.1的特征序列为特征集合；

步骤4.3，基于步骤4.2的特征选取结果，使用PCA进行特征融合；

步骤5，基于SVR拟合步骤4处理后得到的特征数据，获取SVs；

所述步骤5具体按以下步骤实施：

步骤5.1，设给定的训练样本 w,b为待确定的模型参数，SVR模型如式(1)所示：

T

f(x)＝wx+b                   (1)步骤5.2，设偏差阈值为ε，正则化常数为C，即当且仅当f(x)与y偏差的绝对值大于ε时计算损失，因此SVR回归问题可形式化为式(2)：步骤5.3，引入松弛变量ξi, 式(2)可重写为：步骤5.4，引入拉格朗日乘子μi, αi, 由拉格朗日乘子法得到式(4)拉格朗日函数，令式(4)构造的 对w,b,ξi, 的偏导为0可得式(5)：步骤5.5，将公式(5)带入公式(4)得到SVR的对偶问题：其中 且满足条件：

步骤5.6，当且仅当f(xi)‑yi‑ε‑ξi＝0时αi≠0，当且仅当 时 即仅当样本(xi,yi)未落入ε‑间隔带中，相应的αi, 将公式(4)代入公式(1)，则SVR的解形如式(7)，其中步骤6，用高斯函数拟合步骤5中获得的SVs；

所述步骤6具体按以下步骤实施：

步骤6.1，设数据集 可用如下的高斯函数描述，其中α,β,σ为实数，且0<α：步骤6.2，将公式(8)取自然对数化为：步骤6.3，将公式(10)代入公式(9)，则公式(9)的矩阵形式为(11)：步骤6.4，公式(11)可写为：Z＝XB，根据最小二乘法，构成矩阵B的广义最小二乘解为：BT ‑1 T＝(XX) XZ，再由公式(10)求出α,β,σ得到公式(8)的最终形式；

步骤7，基于步骤6得到的高斯函数对云服务器未来的性能变化趋势进行预测，并计算云服务器的剩余寿命；

所述步骤7具体按以下步骤实施：

利用步骤6得到的高斯函数对云服务器未来的性能变化趋势进行预测，根据公式(12)计算在预测时间点Ti计算的RTTF记为RTTFi，根据公式(13)计算RTTF的预测误差记为ERTTFi；并计算云服务器的剩余寿命；

RTTFk＝inf{r:f(r+Tk)≥δ}                 (12)式中，RTTFk是混合模型在时间点Tk预估云服务器的老化指标第一次达到f(r+Tk)的RTTF＝r，f(r+Tk)是混合模型在时间点r+Tk的预测值，若在时间点Tk实际的则RTTF预估误差 的计算公式如下所示：