基于深度时序学习的数据中心热风险智能检测与预警研究

作     者：贺晓 朱旭 闫若飞 吴帅 刘湃 吴江风 He Xiao;Zhu Xu;Yan Ruofei;Wu Shuai;Liu Pai;Wu Jiangfeng

作者机构：中讯邮电咨询设计院有限公司北京100048 中国联合网络通信集团有限公司北京100033 

出 版 物：《邮电设计技术》 (Designing Techniques of Posts and Telecommunications)

年 卷 期：2024年第10期

页      码：7-13页

摘      要：数据中心内部设备产热量巨大,制冷系统运行不佳会导致热量堆积产生热风险。提出了一种基于Bi-LSTM的深度学习网络的数据中心热风险管理方法,通过对机房计算节点的温度场数据进行预处理和热风险标识,使用历史数据对数据中心机房计算节点热风险进行预警。针对机房内复杂的热环境,使用统计学方法从时空2个维度判定热风险标签,用于网络的训练,并将所得模型与传统机器学习模型进行对比,所提方法对热风险的预测精度可达99.07%,比传统机器学习模型的预测精度提升6.6%,可实现可靠的热风险预警管理。

主 题 词：数据中心 热风险 深度学习 Bi-LSTM 

学科分类：081302[081302] 08[工学] 0813[工学-化工与制药类] 

D　O　I：10.12045/j.issn.1007-3043.2024.10.002

馆 藏 号：203155534...