[发明专利]一种决策树挖掘神经网络耦合的微区域内温度场建模方法

说明书

本申请涉及一种决策树挖掘神经网络耦合的微区域内温度场建模方法，包括以下步骤：步骤1：对机房空间连续分布温度数据进行离散化三维网格划分处理得到多个三维网格区域，通过三维网格区域来逼近空间点的温度值；进一步基于决策树的特征选择思想通过信息增益来对各动力环境要素特征对温度的影响进行关联分析；步骤2：采用基于正态云模型的RBF神经网络对上述关键因素与温度场进行耦合建模。本申请提高了微区域内温度场的动态建模特性。

技术领域

本申请涉及电力环境技术领域，尤其涉及一种决策树挖掘神经网络耦合的微区域内温度场建模方法。

背景技术

近年来，随着传感器技术的发展，机房动环监控系统逐渐被应用于数据中心机房管控。动环监控系统对独立的设备数据例如温度进行采集并汇总、显示并进行简单的预告预警，以监测机房内部环境温度的情况。因机房内环境温度将极大影响通信设备的正常运行，使得机房内环境温度的管控对于通信机房内设备运行尤为重要。而因现有通信机房的设备数量逐年增加且室内机房监控范围扩大，使得传统的传感器式的监控手段难以满足现有通信机房环境监控的实时动态变化特性，尤其是现有温度传感器仅部署在机房的局部区域，难以覆盖整体机房的温度场监控。因此，机房内温度场的精确建模将直接影响室内通信机房的温度精确监控。

现有技术方法并未考虑机房内微区域内环境场的建模以及环境因素对于温度场的耦合影响。

发明内容

本申请实施例的目的在于提供一种决策树挖掘神经网络耦合的微区域内温度场建模方法,提高了微区域内温度场的动态建模特性。

为实现上述目的，本申请提供如下技术方案：

本申请实施例提供一种决策树挖掘神经网络耦合的微区域内温度场建模方法，包括以下步骤：

步骤1：对机房空间连续分布温度数据进行离散化三维网格划分处理得到多个三维网格区域，通过三维网格区域来逼近空间点的温度值；进一步基于决策树的特征选择思想通过信息增益来对各动力环境要素特征对温度的影响进行关联分析；

步骤2：采用基于正态云模型的RBF神经网络对上述关键因素与温度场进行耦合建模。

所述步骤1，具体为：

所述步骤1第i个空间点G_i(x，y，z)处对应的三维网格区域温度集为T_i；

针对第j个动力环境要素C_j，第j个动力环境要素C_j对第i个空间点G_i(x，y，z)处的温度扰动能力为：

g(T_i，C_j)＝H(T_i)-H(T_i|C_j)

i∈[1，m]，j∈[1，n]

其中，T_i表示第i个空间点G_i(x，y，z)处对应的三维网格区域温度集，n表示动力环境要素的数量，m表示空间点的数量；

当加入第j个动力环境要素C_j作为参考后，其划分所得的熵越小则说明划分不确定性越小，也即该要素的加入产生的贡献越大；

将对不同三维网格区域下各类动力环境要素的信息增益进行排序，取得较大增益的要素即为关键动力环境要素。

所述步骤2具体为：

数据预处理阶段，对影响描述对象的n个动力环境要素进行基于云变换的数据拟合，即将连续的数据离散成相对应的正态云曲线，得到动力环境要素的n个因素的正态云；