【技术实现步骤摘要】
本专利技术涉及能耗预测，更具体地，涉及一种基于胶囊网络的服务器能耗预测方法、装置及介质。
技术介绍
1、随着人工智能、云计算等技术的快速发展，数据中心能提供高性能计算的同时，其高能耗也极大地影响了能源和环境。据相关统计，数据中心将成为全球范围内最大的能源消耗用户，这一比例将从2017年的3％上升到2025年的4.5％。能源消耗贯穿数据中心的整个生命周期，因此数据中心节能研究对于资源的可持续发展具有重要意义。目前，许多研究致力于通过建立高精度的能耗模型来全面评估和定量分析服务器的能耗，以提高数据中心的资源利用率，解决数据中心能耗高、资源利用率低的问题。
2、基于线性回归的模型：文献《zhou z,shojafar m,abawajy j,et al.ecms:anedge intelligent energy efficient model in mobile edge computing[j].ieeetransactions on green communications and networking,2021,6(1):...
【技术保护点】
1.一种基于胶囊网络的服务器能耗预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过如下方法获取运行状态下的服务器的运行参数：
3.根据权利要求1所述的方法，其特征在于，所述胶囊网络体系由多个特征学习子网络和一个胶囊子网络组成。
4.根据权利要求3所述的方法，其特征在于，多种不同的高频参数输入到一个特征学习子网络中，特征学习子网络由完全连接的层组成，以自动学习信息量更大、层次更高的特征，每个特征向量通过对应的特征学习子网络得到一个输出向量，所述胶囊子网络将所述输出向量作为胶囊处理并根据每个特征进行预测
5....
【技术特征摘要】
1.一种基于胶囊网络的服务器能耗预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过如下方法获取运行状态下的服务器的运行参数：
3.根据权利要求1所述的方法，其特征在于，所述胶囊网络体系由多个特征学习子网络和一个胶囊子网络组成。
4.根据权利要求3所述的方法，其特征在于，多种不同的高频参数输入到一个特征学习子网络中，特征学习子网络由完全连接的层组成，以自动学习信息量更大、层次更高的特征，每个特征向量通过对应的特征学习子网络得到一个输出向量，所述胶囊子网络将所述输出向量作为胶囊处理并根据每个特征进行预测。
5.根据权利要求1所述的方法，其特征在于，在将tcn网络和胶囊网络体系输出到全连接层进行预测，得到能耗预测结果之后，所述方法还包括：
6.一种基于胶囊网络的服务器能耗预测装置，其特征在于，所...
【专利技术属性】
技术研发人员：李小龙，李曦，魏建好，王海东，吴鑫，魏涛，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。