基于U-Net神经网络的数据中心多平面气流组织快速预测研究
刘育策
周超辉
胡跃
关维维
华瑞
章文恺
郑泽宇
赵阳
摘要：准确的气流组织分析对数据中心的安全节能运行至关重要.传统基于计算流体力学数值模拟的方法因耗时较长,制约了其在数据中心运维阶段的应用.数据驱动方法已初步用于气流组织快速预测,但现有方法的泛化能力较差,难以准确预测机房不同位置的气流组织.文章提出一种基于U-Net神经网络的数据中心多平面气流组织快速预测方法,利用U-Net处理空间特征并保留高分辨率信息的能力,结合人工神经网络对位置信息的编码能力,对数据中心任意高度平面的气流组织进行快速预测,并在湖北某数据中心应用以验证其效果.结果表明,与常规的卷积神经网络(CNN)架构相比,该方法的平均绝对误差(MAE)降低69.69%,平均绝对百分比误差(MAPE)降低69.85%,决定系数(R2)提升7.02%.该方法具有较好的泛化能力,能够满足数据中心气流组织分析的实际需求.
关键词：数据中心气流组织数据驱动模型神经网络模型泛化能力
分类号：TU831(房屋建筑设备)
论文发表日期：2025-04-25
页数：5( 1-5 )
英文信息