[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

说明书

本发明公开了一种基于机器学习的ls‑dyna计算时间自动预测算法，涉及ls‑dyna计算技术领域，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。本发明通过预测ls‑dyna计算集群中作业的计算时间、自动提交等关键技术，并将该技术与主流调度系统结合使用，从而显著降低碎片率、大幅度提高资源利用效率、以及提高使用人员工作效。

技术领域

本发明涉及ls-dyna计算技术领域，尤其涉及一种基于机器学习的ls-dyna计算时间自动预测算法。

背景技术

LS-DYNA程序是功能齐全的几何非线性(大位移、大转动和大应变)、材料非线性和接触非线性程序。它以Lagrange算法为主，兼有ALE和Euler算法；以显式求解为主，兼有隐式求解功能；以结构分析为主，兼有热分析、流体、电磁、流体-结构等多物理场耦合功能。

LS-DYNA能够模拟真实世界中的复杂问题。它被广泛应用于汽车、航空航天、电子、船舶、土木工程、制造和生物工程等行业。在全球汽车行业，它已经成为汽车安全仿真的事实上的标准，其计算量(作业数量、消耗的资源)约占企业总体高性能计算资源的60％，高峰期可占满企业所有HPC计算资源，从而影响其他作业的执行。

一、企业高性能计算

企业高性能计算设施，包括相关的基于x86架构、Linux操作系统、高速互联Infiniband、并行高速文件系统等，主要是为CAE仿真工作服务，少数用于机器学习及大数据分析。

以汽车行业为例，仿真主要包括碰撞安全(包括主动、被动安全)、流体、结构、NVH等几大分析领域，其中安全和流体合计占总计算量的80-90％，尤其是安全领域，其作业数量大(如行人保护分析，短时间数10个到数百个计算时间10-15小时，核数16-32核)、运算时间长(如整车安全性分析、各种安全法规和工况组合)等特点。一般而言，汽车整车厂OEM其仿真工作人员规模在200-300人之间，整车安全仿真工作量占比60％。

二、企业高性能计算的困境及分析

企业高性能在中国近15年获得了快速的发展，计算核心从数十核发展到如今的15000核心，投入了巨大的资金，但随着法规的不断增强、企业海外市场的拓展、企业市场竞争的加剧，仿真分析手段不断深入，尤其是DOE、优化、多物理场分析等的兴起(实验设计、多变量设计、多目标优化、多物理场分析、硬件在环分析)，对计算资源的渴求变得越来越大，企业必须投入巨大的资金，来购置、维护庞大的计算设施、昂贵的商业求解器许可证，并通过不断优化内部计算设施的利用率、借用云资源满足尖峰需求等手段来满足最基本的资源需求。其中，商业软件的许可数量与同时计算的核数基本相等、商业许可的周转率，则直接影响所需的采购的最低，这也是企业计算的最大的投入所在。鉴于高性能云计算模式尚未成熟，目前主要以企业内部计算为主要形式。

目前最大的困境体现在：业务的不规律波动和时效性(CAE仿真工作对资源的需求，在产品开发的不同阶段起伏不定，受产品策略、设计方案、制造质量、试验结果等影响)带来对资源的需求的剧烈波动，并直接导致尖峰不够、低谷空闲、总体利用效率底下，投入巨大且需要不断投入的困境。

如图5，企业的计算能力的规划都是周期性的，对业务的需求评估，是在粗略的尖峰需要评估的基础上，进行一定比率折扣得到的。其最终结果是，尖峰不够、低谷空闲；买的越多，浪费越多。