公开(公告)号：CN113240094A

公开(公告)日：2021-08-10

申请号：CN202110634057.7

申请日：2021-06-07

Applicant: 西安交通大学

Inventor： 伍卫国 ,  马春苗 ,  王思敏 ,  朱肖肖

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于SVM的LSTM超参数优化方法、系统、介质及设备，随机选取N组超参数组合输入到LSTM温度预测模型进行训练；根据已有结果选取前3组模型RMSE最小的参数组合进行扰动，训练得到超参数组合结果集；使用超参数组合结果集训练SVM代理模型，预测所有超参空间；选取最好的前N/n组超参数组合带入LSTM温度预测模型中得真实RMSE结果；根据得到的真实RMSE结果更新超参数组合结果集，通过更新N＝N/n实现梯度下降，当N

公开(公告)号：CN113962142A

公开(公告)日：2022-01-21

申请号：CN202111131700.0

申请日：2021-09-26

Applicant: 西安交通大学

Inventor： 伍卫国 ,  康益菲 ,  崔舜 ,  马春苗 ,  朱肖肖 ,  王思敏

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F119/08

Abstract: 本发明公开了一种基于两段式LSTM的数据中心温度预测方法及系统，使用K‑mean算法进行服务器聚类得到训练数据；针对服务器资源占用率建立最短时间周期的资源占用预测模型；建立针对服务器入风口温度的最长时间周期的温度预测模型构成两段式LSTM预测模型，将资源占用预测模型的预测结果作为温度预测模型输入的一部分，使用训练数据训练两段式LSTM预测模型直至收敛，将服务器CPU利用率、服务器入风口温度历史数据，空调出风口历史数据输入收敛后的两段式LSTM预测模型中，输出预测温度。本发明通过服务器聚类降低服务器间差异导致的模型退化，并通过两段式LSTM预测模型匹配不同来源数据的不同变化规律，提高数据中心温度预测的精度。

公开(公告)号：CN109375994B

公开(公告)日：2021-07-13

申请号：CN201811050796.6

申请日：2018-09-10

Applicant: 西安交通大学

Inventor： 伍卫国 ,  徐一轩 ,  王思敏 ,  苏远崎 ,  王今雨

IPC: G06F9/48 ,  G06F11/30 ,  G06F1/20 ,  G06F1/329

Abstract: 本发明公开了一种基于RBF神经网络的数据中心任务温度预测及调度方法，采用RBF神经网络建立任务温度预测模型；建立温控负载均衡模块，确定服务器的安全温度和警戒温度并与任意服务器Si进行判断选择；通过监控反馈模块实时监控并反馈服务器运行温度给温控负载均衡模块，由温控负载均衡模块进行调度控制。本发明通过主动的温度预测来进行任务调度，比只基于反馈温度来决定任务调度的方法要有更好的灵活性。通过设置在不同温度范围的两种主动的调度策略，达到减少能耗，并且保证数据中心安全运行的目的。

公开(公告)号：CN113962142B

公开(公告)日：2024-04-19

申请号：CN202111131700.0

申请日：2021-09-26

Applicant: 西安交通大学

Inventor： 伍卫国 ,  康益菲 ,  崔舜 ,  马春苗 ,  朱肖肖 ,  王思敏

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/23213 ,  G06F119/08

Abstract: 本发明公开了一种基于两段式LSTM的数据中心温度预测方法及系统，使用K‑mean算法进行服务器聚类得到训练数据；针对服务器资源占用率建立最短时间周期的资源占用预测模型；建立针对服务器入风口温度的最长时间周期的温度预测模型构成两段式LSTM预测模型，将资源占用预测模型的预测结果作为温度预测模型输入的一部分，使用训练数据训练两段式LSTM预测模型直至收敛，将服务器CPU利用率、服务器入风口温度历史数据，空调出风口历史数据输入收敛后的两段式LSTM预测模型中，输出预测温度。本发明通过服务器聚类降低服务器间差异导致的模型退化，并通过两段式LSTM预测模型匹配不同来源数据的不同变化规律，提高数据中心温度预测的精度。

公开(公告)号：CN109375994A

公开(公告)日：2019-02-22

申请号：CN201811050796.6

申请日：2018-09-10

Applicant: 西安交通大学

Inventor： 伍卫国 ,  徐一轩 ,  王思敏 ,  苏远崎 ,  王今雨

IPC: G06F9/48 ,  G06F11/30 ,  G06F1/20 ,  G06F1/329

Abstract: 本发明公开了一种基于RBF神经网络的数据中心任务温度预测及调度方法，采用RBF神经网络建立任务温度预测模型；建立温控负载均衡模块，确定服务器的安全温度和警戒温度并与任意服务器Si进行判断选择；通过监控反馈模块实时监控并反馈服务器运行温度给温控负载均衡模块，由温控负载均衡模块进行调度控制。本发明通过主动的温度预测来进行任务调度，比只基于反馈温度来决定任务调度的方法要有更好的灵活性。通过设置在不同温度范围的两种主动的调度策略，达到减少能耗，并且保证数据中心安全运行的目的。