[发明专利]一种基于机器学习的ls-dyna计算时间自动预测算法

权利要求书

1.一种基于机器学习的ls-dyna计算时间自动预测算法，其特征在于，包括以下步骤：

S1、训练数据的提取：从历史使用数据log中提出样本数据；

S2、对工况编码：工况是标准化的，以不同的数字进行不同工况的标记；

S3、对壁障、假人编码：根据不同的壁障，假人类型分不同的大类；

S4、集群相关的参数控制测试：将计算因素标准化，通过选择某典型的工况A，在不同的硬件平台下计算1-N核的计算所需要的时间，得到核数与计算时间曲线；其中，集群并不是同构的，是由不同时期采购的节点组成；

S5、计算通过python进行估算，利用三维线性规划以及回归的方式进行估计。

2.根据权利要求1所述的一种基于机器学习的ls-dyna计算时间自动预测算法，其特征在于，所述步骤S1中提出的样本数据包括：Jobid：作业的批处理id；Cores：作业计算总核数；Walltime：作业实际计算时间；Loadcase：工况编码；Casetime：工况总时长Dt：工况步长；Model_size：模型文件大小。

3.根据权利要求2所述的一种基于机器学习的ls-dyna计算时间自动预测算法，其特征在于，所述Walltime：作业实际计算时间为去除无效样本作业数据，如失败退出、运行时取消的时间，所述Casetime：工况总时长的单位为ms，所述工况总时长从solver deck中读取，所述Model_size：模型文件大小的单位为MB。

4.根据权利要求1所述的一种基于机器学习的ls-dyna计算时间自动预测算法，其特征在于，所述步骤S2中的工况编码相当于建立一个integer工况号-string工况名称的map。

5.根据权利要求1所述的一种基于机器学习的ls-dyna计算时间自动预测算法，其特征在于，所述步骤S4中的参数与实际平台相关，到一个新的硬件环境与旧的平台有硬件改动时，参考曲线则必须重新测试获得，不具有可移植性，所述硬件改动包括换交换机和换内存/硬盘中的一种或多种。