基于長短期記憶網(wǎng)絡(LSTM)的數(shù)據(jù)中心溫度預測算法
關鍵詞：數(shù)據(jù)中心 溫度預測 長短期記憶網(wǎng)絡 服務器入口溫度
摘要：大數(shù)據(jù)和云計算時代推動數(shù)據(jù)中心規(guī)模迅速擴大,有調查研究顯示,國內數(shù)據(jù)中心年耗電量超過全社會用電量的1.5%,且在數(shù)據(jù)中心運行時高達10%的機柜運行溫度高于設備可靠性的允許范圍。溫度監(jiān)測和預測對于防止服務器過熱而停機和提高數(shù)據(jù)中心的能源效率至關重要。文中提出了一種基于長短期記憶網(wǎng)絡(LSTM)的溫度預測算法,該算法使用數(shù)據(jù)中心溫度監(jiān)控數(shù)據(jù)和服務器實際運行參數(shù)生成時間序列訓練集來訓練神經網(wǎng)絡模型并預測服務器入口溫度。為了降低預測模型的訓練時間,基于熱局部性原理提出了一種聯(lián)合建模框架,顯著降低了在線溫度預測建模的復雜性。在一個有15臺服務器的測試臺上進行了實驗驗證,結果表明該方法可以準確地預測動態(tài)工作負載的服務器的入口溫度演變。
計算機技術與發(fā)展雜志要求:
{1}參考文獻著錄格式請參照國家標準《文后參考文獻著錄規(guī)則》(GB7714-87)。
{2}鼓勵首發(fā)，反對抄襲、剽竊等侵犯他人著作權的行為。由此給本刊造成不良后果的，本刊將追究責任。
{3}本刊稿件從發(fā)表之日起，如無電子版、網(wǎng)絡版、有聲版等方面特殊說明，即視作投稿者同意授權本刊電子版、網(wǎng)絡版、有聲版等的復制權、匯編權、發(fā)行權、翻譯權、信息網(wǎng)絡傳播權及其轉授權等專著權。
{4}中文題名一般不超過20個漢字，一般不使用副題名，中英文題名含義一致。
{5}投稿請?zhí)顚懻鎸嵱行У脑敿毜刂贰⑧]政編碼、聯(lián)系電話及E-mail，以便聯(lián)系。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
