關鍵詞：數據中心 溫度預測 長短期記憶網絡 服務器入口溫度 

摘要：大數據和云計算時代推動數據中心規模迅速擴大,有調查研究顯示,國內數據中心年耗電量超過全社會用電量的1.5%,且在數據中心運行時高達10%的機柜運行溫度高于設備可靠性的允許范圍。溫度監測和預測對于防止服務器過熱而停機和提高數據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絡(LSTM)的溫度預測算法,該算法使用數據中心溫度監控數據和服務器實際運行參數生成時間序列訓練集來訓練神經網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工作負載的服務器的入口溫度演變。

計算機技術與發展雜志要求:

{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則》(GB7714-87)。

{2}鼓勵首發，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}本刊稿件從發表之日起，如無電子版、網絡版、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、網絡版、有聲版等的復制權、匯編權、發行權、翻譯權、信息網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}投稿請填寫真實有效的詳細地址、郵政編碼、聯系電話及E-mail，以便聯系。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社