仿真软件资源预测算法产品系统

云计算与超算中心的算力资源动态调度场景，针对高频迭代的软件，传统基于大样本的预测模型因历史数据快速失效而无法适用。

针对极小样本量下的资源消耗预测难题，为新版软件提供精准的算力与存储预估，避免资源盲目分配。算法基于仿真领域先验知识，改进高斯过程，提出新型鲁棒高斯过程回归算法，在低样本下等效于线性回归与Student-T分布，高样本下等效于普通高斯过程回归，有效释放平台大量算力

利用Python与概率论数理统计知识，基于领域特定先验规律，构建并训练鲁棒高斯过程回归模型，实现极小样本下的高精度预测。