计算机时代2023，Issue(11) ：71-75,78.DOI:10.16644/j.cnki.cn33-1094/tp.2023.11.014

基于机器学习的数据中心稳态热参数预测

Machine learning-based prediction of steady-state thermal parameters in data centers

殷佳辉 朱兵 张一鸣 黄金森 苗益川
计算机时代2023，Issue(11) ：71-75,78.DOI:10.16644/j.cnki.cn33-1094/tp.2023.11.014
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于机器学习的数据中心稳态热参数预测

Machine learning-based prediction of steady-state thermal parameters in data centers

殷佳辉 1朱兵 1张一鸣 1黄金森 1苗益川1
扫码查看

作者信息

  • 1. 贵州大学电气工程学院,贵州 贵阳 550025
  • 折叠

摘要

为提高数据中心空调运行性能,对某数据中心建立模型,对机柜出口温度在机箱不同的负载率下进行仿真抽样,建立CFD数据集.基于CFD数据集,分别使用三种机器学习模型即:Elman神经网络、RBF神经网络和SVR支持向量回归机,对数据中心稳态运行情况下的不同机柜负载率时空调回风温度进行快速预测.仿真结果表明:三种模型均在短时间内实现了较为准确的预测,但SVR支持向量回归机凭借其训练过程简洁、精度高、训练速度快等优势,更有效地预测热负荷温度.

关键词

数据中心/气流模拟/机器学习/快速预测/热参数

Key words

data center/airflow simulation/machine learning/fast prediction/thermal parameters

引用本文复制引用

基金项目

贵州省科技支撑计划(2017YFB0902100)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量1
段落导航相关论文