买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春师范大学申请的专利基于AI技术的高性能算力资源评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120353682B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510838664.3，技术领域涉及：G06F11/34；该发明授权基于AI技术的高性能算力资源评估方法是由王志军;周靖博;何冰;宋严;韩塞北设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于AI技术的高性能算力资源评估方法在说明书摘要公布了：本发明公开了基于AI技术的高性能算力资源评估方法，涉及高性能算力资源评估技术领域，解决了现有技术中，无法在算力资源评估调整时克服所有参数带来的影响，降低了算力资源的处理性能的技术问题，具体为算力资源特性评估，依据算力资源所涉及的各类型硬件进行多维度指标采集检测；完成多维度指标检测后，通过AI技术对算力资源历史运行过程进行检测；算力参数评估，根据算力资源涉及的各类型硬件多维度指标进行权重分析，并根据影响权重占比划分得到实时算力高性能参数和算力低性能参数；AI预测，对算力资源的负载进行检测，输入特征，并根据历史输出得到算力需求区间，以进行算力资源实时评估。

本发明授权基于AI技术的高性能算力资源评估方法在权利要求书中公布了：1.基于AI技术的高性能算力资源评估方法，其特征在于，评估方法如下： 步骤一、算力资源特性评估，依据算力资源所涉及的各类型硬件进行多维度指标采集检测；完成多维度指标检测后，通过AI技术对算力资源历史运行过程进行检测，对各类型硬件的对应多维度指标浮动进行时间节点统计，并根据时间节点分析推断硬件适配效率，并在得到适配效率分析结果后，根据实时多维度指标参数的调控进行实时波动预测； 历史运行检测过程如下： 获取当前算力资源的历史运行时段，并采集历史运行时段内多维度指标的量化参数，在算力资源执行数据处理任务前，将当前时刻的量化参数设定为输入特征，且数据处理任务的类型标记为任务特征； 在任务特征恒定时，记录输入特征的数值浮动时刻以及数据处理任务的异常时刻，若浮动时刻和异常时刻处于同一任务处理周期，则输入特征的量化参数数值浮动进行统计，并根据数值浮动时刻和任务异常时刻的重叠概率作为影响等级的划分标准，对数值浮动的特征向量进行影响设定， 若重叠概率超过设定概率阈值，则将对应浮动时刻出现浮动的特征向量设定为高概率影响向量，反之，若重叠概率未超过设定概率阈值，则将对应浮动时刻出现浮动的特征向量设定为低概率影响向量；并根据各类型特征向量与对应向量类型进行实时波动分析； 实时波动分析过程如下： 根据当前任务与历史各时段任务进行任务特征比较，任务特征参数处于同一范围的任务特征作为同类型任务，采集同类型任务执行时出现浮动的量化参数特征向量，并根据同类型任务的历史运行时段进行特征向量类型识别，为高概率影响向量时则进行数据处理任务异常预警并对历史数据处理任务异常类型作为当前预警对象，根据预警对象进行特征向量调控；为低概率影响向量时则对历史运行时段内特征向量的浮动趋势进行识别，并将当前同类型特征向量进行浮动趋势监测并趋势同步时进行及时调控 步骤二、算力参数评估，根据算力资源涉及的各类型硬件多维度指标进行权重分析，并根据影响权重占比划分得到实时算力高性能参数和算力低性能参数；步骤二算力参数评估过程如下： 对多维度指标的量化参数进行数值浮动趋势统计，并对量化参数的浮动趋势进行分析，在量化参数浮动趋势未趋于稳定阶段，获取当前阶段内数据处理任务的处理速度下降频率与处理速度下降后速度恢复缓冲时长，若存在任一数值超过对应设定阈值的数据，则推断当前量化参数为高危参数；反之，若不存在数值超过对应设定阈值的数据，则推断当前量化参数为低危参数； 对高危参数的影响权重设定为高影响权重，且设定的权重因子为低数值因子；对高危参数的影响权重设定为低影响权重，且设定的权重因子为高数值因子；将多维度指标的量化参数进行类型划分，即高影响权重和对应权重因子统一标记为算力高性能参数，将低影响权重和对应权重因子统一标记为算力低性能参数； 步骤三、AI预测，对算力资源的负载进行检测，输入特征，并根据历史输出得到算力需求区间，以进行算力资源实时评估；AI预测过程如下： 采集当前算力资源的多维度指标及对应量化参数，设定资源负载分析模型，将执行阶段内量化参数的浮动特征向量进行记录，并标记为模型启动特征，当模型启动特征产生，根据模型启动特征的类型进行算力资源利用率评估； 采集量化参数中高危参数和低危参数以及对应权重因子，且高危参数和低危参数分别标记为C高和C低；权重因子分别为Q高和Q低；通过公式得到高概率影响特征的影响系数S； 影响系数S超过系数阈值且持续增加则表明算力资源当前多维度指标对应利用率持续降低，并根据历史运行时段内同类型任务执行过程得到数据处理任务异常类型，并根据当前处理任务异常类型识别后，得到数据处理任务异常类型对应特征向量调控，并将历史过程中特征向量调控范围标记为当前算力资源的量化参数对应算力需求区间，根据算力需求区间对当前多维度指标进行调控； 反之，影响系数S未超过系数阈值且恒定则表明算力资源当前多维度指标对应利用率恒定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春师范大学，其通讯地址为：130000 吉林省长春市长吉北路677号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。