基于CNN-BiLSTM-Attention的工業(yè)數(shù)據(jù)中心IT設(shè)備能耗預(yù)測模型研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4100 K
標(biāo)簽： 能耗預(yù)測模型 CNN-BiLSTM-Attention 工業(yè)數(shù)據(jù)中心
所需積分：0分積分不夠怎么辦？
文檔介紹：IT設(shè)備的能耗直接影響到工業(yè)數(shù)據(jù)中心的電力消耗，預(yù)測IT設(shè)備能耗對優(yōu)化能源管理和資源規(guī)劃具有重要意義。然而，由于IT能耗數(shù)據(jù)呈現(xiàn)出非線性、非平穩(wěn)的特點，導(dǎo)致預(yù)測精度低。對此，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)CNN、雙向長短期記憶網(wǎng)絡(luò)BiLSTM和注意力機(jī)制的優(yōu)勢，分別對IT設(shè)備能耗的局部特征、數(shù)據(jù)中深層次的關(guān)鍵信息進(jìn)行提取，并根據(jù)自測IT設(shè)備能耗數(shù)據(jù)集構(gòu)建基于CNN-BiLSTM-Attention的能耗預(yù)測模型，該模型的R2、MAE和RMSE分別為0.905 3、0.050 4、0.067 3，相較于現(xiàn)有的LSTM、BiLSTM和CNN-BiLSTM模型均有不同程度的提高，說明該模型可以應(yīng)用于工業(yè)數(shù)據(jù)中心內(nèi)IT設(shè)備能耗的準(zhǔn)確預(yù)測。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。