数字孪生在数据中心管理的应用研究

为了更好地实现数据中心的节能减排和资源利用,解决能耗高、能效差、容量利用率低和运维成本高等问题,上海自主研发了数据中心一体化运营管理系统。该系统首次应用了数字孪生技术,并将上海港“三地四中心”的数据中心建筑、机柜及机柜内的IT设备作为主要孪生对象。通过集成各个数据中心的数据资源,系统构建了3D可视化分析模块、能耗管理模块、容量管理模块和流程管理模块等功能,实现了对上海港数据中心运营情况的智能化管理。经过实际应用表明,通过将数字孪生技术深度融合到上海港数据中心管理中,以数据为核心生产要素,不仅能够助力上海港数据中心绿色、智慧、安全发展,也能够为数据中心领域实现“双碳”目标做出应用贡献。     

林地型背景植被温度估算模型

针对多数理论计算模型参数较多、实用性不强的缺点,介绍了多元线性回归的原理及实现方法,并对一组艾验数据进行了分析,得到了植被温度的简单模型,并利用模型对植被温度进行了理论计算。通过计算结果与实测数值进行分析比对,结果表明,多元线性回归分析相对准确地估算出了植被的温度,这为植被温度估算模型的建立提供了一个新的思路。     

政府人力资源离散动态预测模型的研究

对于复杂系统尤其是非均衡的复杂系统的演化而言,动态性是其普遍属性.通过引入复杂系统研究中的离散动态系统模型,从纵向层面上提出了建立政府人力资源系统的离散动态系统模型方法,并通过分析教育部门中小学专任教师数量的与人口、GDP的关联,建立了某地教育部门中小学专任教师离散动态预测模型,并用多元线性回归算法进行了求解分析.结果表明,采用该方法可以建立不同层次的人力资源系统预测模型.     

基于数字孪生的数据中心一体化智能管理系统研究

2021年国家发改委等四部门发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》明确指出：秉承“绿色集约”的原则,推动数据中心绿色可持续发展,加快节能低碳技术的研发应用,提升能源利用效率,降低数据中心能耗。在此政策背景下,本文探讨了一种研发数据中心一体化管理系统的解决方案：基于数字孪生架构,利用物联网（IoT）和大数据开发技术,通过对数据中心的能耗和容量数据的采集感知,数字化定义和动态算法构建孪生体信息模型,实现能耗管理、容量管理、资源3D可视、集中监控和统一告警功能。同时,对能效和容量的相关数据建立AI模型,通过Deep Learning获得推荐和调优决策依据,有效推进了数据中心数智化建设、精细化管理和绿色节能降本目标的实现。     

基于SVR数据中心空调系统瞬态热参数预测

数据中心空调系统是维持数据中心的关键设备,直接影响到数据中心的安全运行,目前对空调系统的研究大多集中在节能降耗以及气流优化等领域。在空调故障影响等瞬态变化领域的研究仍然较少。因此有必要探究空调系统故障对机房气流组织的影响,建立针对空调失效极端工况下的快速温度预测模型,为能效控制系统及运行系统提供参考。本文根据空调系统故障实验分别建立了空调冷冻水泵失效及风机失效情况下的关键位置的温度变化时间序列预测模型,模型基于线性核函数支持向量回归机。研究表明相较于非线性核函数支持向量机,线性核函数支持向量机更适合进行冷冻水泵失效时的热参数预测。     

基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

基于经济均衡优化的众包定价方案

文章以在线逆向拍卖理论为支撑,使用数据统计和分析、多元线性回归、经济均衡与优化等算法,分别建立数理统计模型、多元线性回归模型、经济均衡与优化模型,综合使用了MATLAB,SPSS,LINGO软件作图、编程,分别得出任务未完成原因和新的定价方案、基于多任务打包的众包模式中定价方案的修改、实施定价方案,并进行评价意见。     

基于k最近邻回归的频谱占用度预测

认知无线电技术可以在授权用户和非授权用户间进行频谱分配,预测模型的建立可帮助非授权用户推断频谱空洞是否可用,不仅能提升频谱利用率而且还能降低冲突率。采用理论分析、监测实验、数学建模、数据实证等方法,对频谱占用度建模理论进行了研究。针对频谱的可预测性问题,通过对数据集的分析,使用k最近邻( kNN)回归模型预测频谱的信道-场强值。基于观测数据呈现出的周期性,提出了一种针对周期性数据进行优化的kNN模型,并用其进行预测。比较了原始kNN回归模型和优化后的周期性kNN模型在测试数据上的预测精度,结果表明优化后的模型比原始的kNN模型有着更好的预测精度。     

乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统,往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气）,采用红外光谱仪进行光谱数据采集,得到多组分气体混合光谱图。根据数据集样本求解回归系数,建立了多元线性回归模型,并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价,结果表明:模型真实有效且具有良好的线性回归效果,可以用于预测气体浓度,乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内,其中乙醇浓度预测误差最小,不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰,能够较准确地预测乙醇浓度。     

数据中心设备状态评价模型研究

数据中心设备数量巨大,如何保证设备的安全稳定运行成为数据中心设备运维管理的重要课题,而解决该问题的前提是及时、全面获知设备的运行状态,因此,本文对如何系统评价设备状态进行了细致研究。根据数据中心设备物理构成特点,抽象出了硬件层、设备层、部件层、指标层四个层面,提出了基于模糊理论并结合CRITIC算法和AHP算法对设备状态从下到上逐层进行评价的理论模型。另外,本文还对模型评估和模型优化进行了探讨。该理论模型的应用可有效提升数据中心的设备运维水平,支撑数据中心高效运营。     

基于信号波形协同提高无线通信系统容量的研究

针对有限频谱资源与迅速增长业务需求的矛盾,提出了一种基于信号波形协同的无线通信技术。在传统正弦载波通信系统的基础上,在相同的频谱范围内利用正弦信号和线性调频信号在频域和分数域能量积聚特性的对偶关系在正弦载波通信信号上叠加线性调频信号波形来传输不同的用户信息,并在接收端分别通过频域和分数域滤波处理实现两类用户信号波形的分别提取,从而达到提高频谱效率和增加系统容量的目的。建立了系统模型,给出了理论分析,并进行了数值验证。研究结果表明,在传统正弦载波通信体制的基础上,通过信号波形协同和变换域滤波处理可以有效地提高频谱效率,理论上能够将系统容量提升近一倍。     

助力数据中心安全低碳发展的蓄电池资源池技术

目前数据中心和通信机房中电源系统主要采用铅酸蓄电池组作为备电电池,蓄电池组容量通常按照近期负载配置,但初期负载往往低于近期负载,致使初期容量偏大。蓄电池组到退役年限时,有可能造成更换条件难以判别。介绍一种数据中心用蓄电池资源池技术,可以解决目前数据中心中不同时期、不同健康情况的铅酸蓄电池组混用的问题,进而解决蓄电池利用率偏低的问题,提高建设投资效率,在保证安全性的前提下推进数据中心和通信机房的低碳发展。     

一种基于定向天线的自组网多址接入协议

文中提出一种基于定向天线的自组织网多址接入协议DA-STDMA。该协议利用方向性天线定向波束增益特性,保证在高速可靠传输条件下,提升系统的容量,同时可以防止信息截获,提升系统的抗干扰性能。经过理论计算,DA-STDMA协议在信道利用率上与采用全向天线相比有显著提高。文中建立了DA-STDMA协议仿真模型,通过对比空间复用度、网络吞吐量等系统性能,DA-STDMA协议利用定向天线比全向天线性能有明显提升。同时仿真研究也表明,定向天线的定位算法对整个系统建链的收敛时间产生一定影响。     

中国公众科学素养性别差异研究

以2005年中国公众科学素养调查为依托,参考国内外研究资料,对公众科学素养测评题进行分类评分;利用SPSS对调查数据进行尝试分析研究,对影响科学素养的部分社会背景变量进行多元线性回归分析;特别是注重性别因素的影响,并根据计算分析建立了相应的多元线性回归模型.     

基于云计算的资源负载预测

互联网的高速发展,数据量的急剧膨胀,云计算技术应运而生.为了实现按需动态的调整资源、提高利用率、节省成本,云计算的资源弹性可伸缩控制技术变得极其重要.但是弹性伸缩仍然存在一些不足,资源的弹性伸缩需要一定时间,动态变化的资源使用需求不能及时响应.为此,本文提出基于云计算资源的负载预测方法.该方法主要是利用线性回归模型对历史负载数据进行建模分析.历史负载值主要是针对CPU使用率、内存使用率、硬盘大小进行分析.在进行负载预测的过程中,首先建立线性方程,然后利用偏导数进行分析,克莱默法则进行求解,求出两个未知的回归参数.然后利用求得的线性方程预测下一时刻的负载值.实验表明该线性回归预测方法可以及时满足负载变化的需求、提高资源利用率、降低云计算资源的使用成本.     

基于峰值流量的网络行为特征及影响因子分析

基于网络流量的突发性提出峰值流量测度,建立了一种评价网络运行状况和规划容量的方法。利用统计学方法(方差分析和协方差分析)对21个CERNET校园网的内在特征和峰值流量进行实验分析,发现峰值流量间相互独立且服从高斯分布,网络内在特征对峰值流量的影响存在显著差异,以及链路带宽需求与网络用户数之间存在较强相关性。由此建立线性回归模型及容量规划模型。实验表明建立的容量规划模型能够对新建校园网的接入带宽进行准确评估。     

基于用户群模型及体验构建自主型网优系统

为了应对通信网络每天数亿级DPI数据的秒级响应,减少依靠专家经验的优化工作量,实现网络维度实时分析,提升互联网用户对网络的满意度。通过对移动互联网各用户各业务的调研和信令分析,回溯用户的历史感知,研究多元线性回归方法在用户群模型定位异常网络事件的应用,同时与传统专家预判式的优化方式进行对比,提出了基于用户群模型采用x DR信令关联分析方法、NAE地理栅格化和网络可视化等手段创新网优工作模式,构建自主型网优系统。     

一种基于多元回归算法扇区间业务均衡画像模型研究

随着网络规模不断扩大，业务量持续提升，网络负荷不均衡问题越发尖锐，网络资源未得到充分利用，用户上网感知受到影响，因此寻求精细化业务均衡对提升用户满意度至关重要。旨在探索精准业务均衡的解决方案，通过研究扇区间重叠覆盖率、站间距及邻区间的切换内在关系，并对多维度数据进行数学建模，最终构建关于MRO重叠覆盖率、站间距、邻区切换比例等多元线性回归业务均衡画像模型，解决扇区间业务均衡无法精准定位与量化的问题。通过模型计算，试验结果表明，多元线性回归业务均衡画像模型有效提升扇区间业务不均衡的优化效率，显著减少高流量预警、高负荷待扩容小区，对精细化业务均衡优化具有重要指导意义。     

基于多元线性回归的运动员心肺功能检测

运动员心肺功能检测是科学合理制定训练计划的关键。针对现有心肺功能检测方法误差较大的问题,提出了基于粒子群优化的多元线性回归心肺功能检测方法。该方法以氧气摄入量、二氧化碳排出量和心率作为评价运动员心肺功能指标,基于多元线性回归构建了运动心肺功能检测模型。针对多元线性回归方法收敛速度慢和容易陷入局部最优的问题,利用粒子群算法进行优化,提升心肺功能检测的速度和精度。实验结果表明,该方法能够有效运动员有氧训练前后的心肺功能,且建模精度较高。     

基于虚拟化技术的校园网数据中心建设

当前虚拟化技术快速发展,传统校园网数据中心硬件利用率低,业务可靠性和可扩展性差,可以通过从服务器、存储、网络和桌面应用方面进行虚拟化改造,提升硬件使用效率和运维的稳定性,降低数据中心的管理和维护的成本,提高数据中心的安全性和稳定性。