基于机器学习的数据中心稳态热参数预测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Machine learning-based prediction of steady-state thermal parameters in data centers

外文关键词：

data centerairflow simulationmachine learningfast predictionthermal parameters

作者：

殷佳辉、朱兵、张一鸣、黄金森、苗益川

展开 >

作者单位：

贵州大学电气工程学院,贵州贵阳 550025

关键词：

数据中心气流模拟机器学习快速预测热参数

基金：

贵州省科技支撑计划

项目编号：

2017YFB0902100

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.11.014

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

年,卷(期)：2023.(11)

参考文献量1