一种基于强化学习模型的预测机柜进风温度的方法
基本信息
| 申请号 | CN202010589344.6 | 申请日 | - |
| 公开（公告）号 | CN111795761B | 公开（公告）日 | 2022-02-11 |
| 申请公布号 | CN111795761B | 申请公布日 | 2022-02-11 |
| 分类号 | G01K13/00（2021.01）I;G01J5/48（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 测量；测试; |
| 发明人 | 周兴东;郑贤清;张士蒙;任群 | 申请（专利权）人 | 菲尼克斯（上海）环境控制技术有限公司 |
| 代理机构 | 上海汇齐专利代理事务所（普通合伙） | 代理人 | 朱明福 |
| 地址 | 200000上海市崇明区长兴镇江南大道1333弄1号楼1332室（上海长兴海洋装备产业基地） | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及人工智能技术领域，具体为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：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；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。该方法提高机柜的进风模拟温度数据准确率，节约了物料与人工成本，便于使用。 |
