[发明专利]一种基于多模型组合模型的机房环境预测方法及系统

说明书

本发明涉及一种基于多模型组合模型的机房环境预测方法及系统，其包括：获取机房环境数据；对所述机房环境数据进行预处理；建立多模型组合模型；基于所述多模型组合模型对机房环境进行预测。本发明与传统方法相比，本发明在模型的拟合效果和预测精度上都有很大的提升，极大提高了机房管理人员的工作效率，对于保障大型互联网的服务质量具有重要意义。

技术领域

本发明属于机房环境监测领域，尤其涉及一种基于多模型组合模型的机房环境预测方法及系统。

背景技术

近年来，随着工业生产的发展，电子信息系统机房作为信息枢纽中心已成为所有信息系统的基础。而系统机房安全可靠的运行，除了计算机系统软、硬件具有的高性能以外，还依赖于机房的环境、空调设备、消防设备等有关配套设施的建设。而如何达到计算机设备运行维护环境的要求，实现对各环境参数指标的趋势性预测分析，对减少机房环境事故的发生，保障机房的稳定性、高可用性以及高效性尤为重要。

随着人工智能的发展，很多学者在解决时序预测问题上提供了很多解决方案，目前针对机房环境的趋势预测分析主要有传统的时间序列分析方法(Holter-Winter、ARIMA)、支持向量机、灰色预测、神经网络等预测算法。但以上的这些现有的单一模型对实际数据进行分析预测时，预测的效果往往不能令人满意。因此，需要提供一种基于组合模型的机房环境预测分析的方法和装置，旨在解决上述问题。

发明内容

针对上述现有技术中存在的缺陷，本发明的目的在于提供一种基于多模型组合模型的机房环境预测方法及系统，通过构建多模型组合模型进行机房环境的预测分析，使得预测结果更精准、更可靠，以便于根据预测结果进行预先准备，降低出错概率。

第一方面，本发明提供一种基于多模型组合模型的机房环境预测方法，其包括：

步骤S101、获取机房环境数据；

步骤S103、对所述机房环境数据进行预处理，对预处理后的数据进行特征选择；

步骤S105、建立多模型组合模型；

步骤S107、对所述多模型组合模型进行评估，具体包括：

使用已知结果的测试数据集评估多模型组合模型，根据平均绝对误差MAE的值来评判多模型组合模型的效果，该MAE的计算公式为：

式中，表示多模型组合模型输出的某时间点的指标的实际值，表示对应时间点实际值对应的指标预测值，M表示预测时间点的区间大小；

步骤S109、基于通过评估的所述多模型组合模型对机房环境进行预测。

其中，在所述步骤S101之后还包括：建立机房环境数据库。

其中，所述机房环境数据包括：温度、湿度、设备表面温度、粉尘、有害气体、噪声中的一种或多种。

其中，所述特征选择具体包括：

根据数据规律，进行特征选择，去掉取值变化小的特征。

其中所述特征选择具体包括：

通过计算每个特征的方差，并根据阈值选择方差大于阈值的特征。

其中，所述步骤S103具体包括：

采用归一化、填充缺失值、替代无效数据和去除数据中的噪声。

其中，所述建立多模型组合模型，具体包括：

采用多种模型对特征选择后的机房环境数据中的单一特征的变化趋势分别进行预测；

基于预测结果，调整每个模型输出结果的权重值；