1.一种边缘云计算负载均衡方法，其特征在于，所述方法的步骤包括：

步骤1、使用神经网络算法构建和训练负载预测模型，所述负载预测模型用于根据边缘计算节点的使用情况，预测该节点在未来某个时间点的负载水平，构建和训练负载预测模型的具体步骤包括：步骤1.1、收集边缘计算节点的历史负载数据，所述历史负载数据为节点在不同负载水平下，影响节点负载的所有因素数据；

步骤1.2、对收集的数据进行清洗，以处理缺失值和异常值；

步骤1.3、对清洗后的特征数据进行标准化处理；

步骤1.4、利用特征选择算法筛选对预测模型有用的特征，构成特征数据集；

步骤1.5、标记每条数据的负载水平，与对应的特征数据一起构成训练数据集，进一步将训练数据集进行划分，分成训练集和验证集；

步骤1.6、选择长短时记忆网络LSTM模型构建取样预测模型，并对模型的参数进行初始化；

步骤1.7、使用训练集数据对LSTM模型进行迭代训练，在训练过程中，定期使用验证集评估模型性能，直到模型的性能满足需求；

步骤1.8、训练完成后，保存LSTM模型的权重和偏置，并将模型进行部署，以用于后续进行取样位置预测；

步骤2、部署监控与数据采集系统，实时收集影响边缘计算节点负载的所有因素数据；

步骤3、对步骤2采集到的数据进行清洗，以处理缺失值和异常值；

步骤4、将步骤3清洗的数据输入步骤1中训练的负载预测模型，获得边缘计算节点在未来某个时间点的负载水平；

步骤5、根据步骤4获得的负载水平，动态制定资源调度策略，所述调度策略包括承担该负载需要的边缘计算节点数量；

步骤6、在负载均衡器中实施调度策略，以达到对边缘计算节点的动态高效利用。

2.根据权利要求1所述的一种边缘云计算负载均衡方法，其特征在于：训练负载预测模型收集的历史负载数据，包括在不同负载水平下节点的资源使用指标、网络状态指标，及用户行为数据；所述资源使用指标包括CPU使用率、内存使用率、磁盘I/O、存储空间使用率、进程数量和线程数量；所述网络状态指标包括网络带宽使用率、延迟、丢包率、连接数和网络流量；所述用户行为数据包括用户请求量、用户访问模式、用户会话时长、用户地理位置分布和用户设备类型。

3.根据权利要求2所述的一种边缘云计算负载均衡方法，其特征在于：在步骤1.2中，对于缺失值，采用线性插值算法进行填充；对于异常值，采用阈值判断法，将超出预设阈值范围的数据点视为异常值，并用其邻近点的均值进行替换。

4.根据权利要求3所述的一种边缘云计算负载均衡方法，其特征在于：在步骤1.3中，使用Z-score标准化方法，将每个特征值减去其均值并除以其标准差，使得处理后的数据符合标准正态分布，标准化处理的公式为：

5.根据权利要求4所述的一种边缘云计算负载均衡方法，其特征在于，步骤1.4中采用过滤法进行特征选择，该方法通过计算每个特征与目标变量之间的相关性或统计指标，评估特征的重要性；使用皮尔逊相关系数衡量每个特征与目标变量之间的线性相关性，皮尔逊相关系数的计算公式为：其中，r表示特征与目标变量之间的相关系数，n表示样本数量，x表示特征值，y表示目标变量值；

根据计算得到的相关系数，选择绝对值大于设定阈值的特征作为有用特征，构成特征数据集，以用于后续负载预测模型的训练。

6.根据权利要求5所述的一种边缘云计算负载均衡方法，其特征在于，对LSTM模型进行初始化的具体步骤包括：i)初始化LSTM模型的结构参数，包括输入层的特征维度、隐藏层的层数及每层隐藏单元的数量、输出层的节点数，其中输入层的特征维度与提取的影响边缘计算节点负载的特征数量相匹配，输出层的节点数对应于预测的负载水平的维度；

ii)初始化模型权重和偏置，采用小随机数进行初始化；

iii)设置LSTM模型的激活函数，包括设置Sigmoid函数用于门控机制，设置Tanh函数用于候选记忆单元和隐藏状态的计算；

iv)配置优化算法，并设置学习率参数；

使用训练集数据对LSTM模型进行迭代训练，具体方法为：

在每次迭代中，将一批输入数据送入LSTM模型，通过计算输入门、遗忘门和输出门的值，更新记忆单元和隐藏状态，最终得到预测的输出结果；根据预测输出和真实标签计算损失函数值；通过反向传播算法计算损失函数关于模型参数的梯度；使用优化算法根据梯度更新模型权重和偏置；在训练过程中，定期使用验证集评估模型性能，并根据需要调整学习率或提前停止训练以防止过拟合。

7.根据权利要求1所述的一种边缘云计算负载均衡方法，其特征在于：步骤5中采用基于阈值的调度算法，预设多个负载阈值，每个阈值对应不同的资源调度策略；将步骤5中预测的负载水平与预设的负载阈值进行比较，确定当前负载水平所属的阈值范围；根据所属的阈值范围，选择对应的资源调度策略；

所述资源调度策略包括承担该负载需要的边缘计算节点数量，使用线性映射函数计算所需节点数量，计算公式为：其中，round()表示四舍五入取整函数，预测负载水平表示步骤5中获得的负载水平，最低阈值和最高阈值分别表示预设的负载阈值范围，最大节点数量和最小节点数量分别表示可用的最大和最小边缘计算节点数量。

8.根据权利要求1所述的一种边缘云计算负载均衡方法，其特征在于：在步骤2中，针对每个影响边缘计算节点负载的关键因素，配置相应的数据采集模块，采用预设的采样频率和时间间隔，实时捕获并记录关键因素的数据；并制定数据采集模块与中央数据存储系统的数据传输接口，以使采集到的数据能够实时、准确地传输至中央数据存储系统进行后续处理和分析。

9.根据权利要求8所述的一种边缘云计算负载均衡方法，其特征在于：所述数据采集模块采用轻量级的数据采集协议。