基于机器学习方法的三维气流组织温度场重构

作     者：许俊 胡孝俊 高健 姚贵策 贺晓 XU Jun;HU Xiaojun;GAO Jian;YAO Guice;HE Xiao

作者机构：中讯邮电咨询设计院有限公司河南郑州450007 北京航空航天大学北京100191 

出 版 物：《科技资讯》 (Science & Technology Information)

年 卷 期：2024年第22卷第6期

页      码：227-230页

摘      要：从局部离散流场数据点重构全局流场信息对数据中心机房的节能节碳具备重要的研究意义。基于局部散点对数据中心进行气流组织温度场快速重构,可有效降低数据中心总能耗。主要通过发展一种基于多特征输入的三维U形神经网络架构(U-net),利用布设在数据中心机房的温度传感器数据值进行气流组织温度场重构。并研究了在不同学习率与数据集大小的设置下,该机器学习模型的训练预测能力。对比结果表明:不同学习率对于模型训练的结果有较大影响,应通过预实验选取最佳学习率。在同等条件下,应优先选取较大的数据集进行训练,便于提取高维物理特征。

主 题 词：云计算 机器学习 计算流动动力学 气流组织温度场 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16661/j.cnki.1672-3791.2311-5042-5296

馆 藏 号：203128201...