[发明专利]一种基于强化学习模型的预测机柜进风温度的方法

权利要求书

1.一种基于强化学习模型的预测机柜进风温度的方法，所述方法包括以下步骤：

步骤1：通过热成像装置采集机柜的表面实际温度数据，通过热敏装置采集对应机柜的实际进风温度数据；

步骤2：调用神经网络模型进行训练，用机柜的表面实际温度数据为输入，机柜的实际进风温度数据作为输出反复训练，使得神经网络模型通过训练后能预测出机柜的进风模拟温度数据；

步骤3：建立强化学习模型；

神经网络模型作为强化学习模型的Agent；

神经网络每一次预测动作为Action；

模拟进风温度与实际进风温度的MSE作为Environment；

模拟进风温度与实际进风温度的MSE的大小作为设置Reward的依据；

步骤4：获得增强学习模型最优策略下的神经网络模型生成新的预测器；

步骤5：用最优的预测器对机柜的进风温度进行预测。

2.根据权利要求1所述的基于强化学习模型的预测机柜进风温度的方法，其特征在于：步骤1中，所述热成像装置为红外热成像仪。

3.根据权利要求1所述的基于强化学习模型的预测机柜进风温度的方法，其特征在于：步骤1中，所述热敏装置为热敏传感器。

4.根据权利要求1所述的基于强化学习模型的预测机柜进风温度的方法，其特征在于：步骤4中，在设置强化学习模型Reward的过程中遵循下列规则：

模拟进风温度与实际进风温度的MSE在温度区间[2,+∞)内时，评价指标为-100；

MSE在温度区间[1，2)内时，评价指标为-10；

MSE在温度区间[0.5，1)内时，评价指标为-1；

MSE在温度区间[0，0.5)内时，评价指标+100。