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！

龙图腾网获悉湖北华中电力科技开发有限责任公司;国网湖北省电力有限公司信息通信公司申请的专利一种基于深度学习的维持大型数据中心机房正压的智能调节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：CN119848679B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411832520.9，技术领域涉及：G06F18/243；该发明授权一种基于深度学习的维持大型数据中心机房正压的智能调节方法是由陈国良;刘焱;郭岳;常强;王敬靖;梁源;乔玉辉;李想;黄超;柯旺松;庄严;李洁;宋少文;闫龙宇;张伟;周欣;阳婷;吴辉;肖雪;夏胜冬;陈实设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于深度学习的维持大型数据中心机房正压的智能调节方法在说明书摘要公布了：一种基于深度学习的维持数据中心机房正压智能调节方法，包括：获取训练集F；对F进行数据清洗，补充缺失值和处理异常值，将连续变量数值进行离散处理，形成衍生特征集F1；对F1进行特征数据提取，提取特征数据集合S和测试数据集合C；采用熵值和信息增益比算法对S进行处理，形成决策树数据集合TREE；对TREE进行后剪枝，删除对模型泛化能力贡献较小的分支，形成训练集合D；使用D的数据构建决策树模型，训练过程中调整模型参数；针对得到的决策结果，利用C中的数据评估决策树模型的准确率和泛华能力。本发明可实现对数据中心室内正压维持和对不同运行环境的深度学习与智能适应调节，维持数据中心各功能房间保持正压运行。

本发明授权一种基于深度学习的维持大型数据中心机房正压的智能调节方法在权利要求书中公布了：1.一种基于深度学习的维持数据中心机房正压智能调节方法，其特征在于，包括如下步骤： 第一步、数据采集与抽取：获取训练集F：以每个房间为单位采集房间内外各类相关数据，包括室内压力Pin、室外压力Pout、进出口通风风门开度θin和θex、新风系统风扇速度V、新风设备开启关闭时间间隔T，以新风设备开启关闭时间间隔T为维度对采集的各类数据进行初步筛选，过滤掉最大值与最小值，形成训练集F； 第二步、数据预处理：清洗训练集F中的数据，补充缺失值和处理异常值，将连续变量数值进行离散处理，并根据新风设备开启关闭时间间隔T和室内外压力差P之间的影响关系形成衍生特征集F1； 第三步、提取特征数据集合S和测试数据集合C：对衍生特征集F1进行特征数据提取，将室内外压力差P、新风设备开启关闭时间间隔T、风扇速度V和通风进出口开度θin和θex、作为主要特征数据生成各时间段特征数据集合Si＝{Pi，Ti，Vi，θin，θex}，然后抽取各时间段特征数据集合Si，生成关键特征数据集合S＝{S1+S2+S3+···+Sn}；再采用人为干预的方法和数学方法，提取一个标准样本数据，形成测试数据集合C的相关数据，C＝{δP1+δP2+δP3+···+δPn}，其中i＝0、1、2...n； 第四步、形成决策树数据集合TREE：采用熵值和信息增益比算法对特征数据集合S进行处理，选择最佳特征和分裂点，基于所选择的最佳特征和分裂点分割数据创建树的根节点，对每个子节点递归执行相同的过程，直到达到停止条件，形成决策树数据集合TREE，所述停止条件为节点中的样本全部属于同一类，或达到最大树深度，或节点中的样本数少于预设阈值； 第五步、决策树修剪，形成训练集合D：对决策树数据集合TREE进行后剪枝，从底向上删除对模型泛化能力贡献较小的分支，形成训练集合D； 第六步、决策树模型构建与训练：使用训练集合D的数据构建决策树模型，训练过程中调整模型参数，所述模型参数包括树的最大深度、最小叶节点样本数； 第七步、决策树模型评估：利用测试数据集合C中的数据评估决策树模型的准确率和泛华能力，对不合适的决策树模型，对采集数据进行再离散处理，重复前六步的过程直到决策树模型评估结果满足测试要求。

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湖北华中电力科技开发有限责任公司;国网湖北省电力有限公司信息通信公司，其通讯地址为：430062 湖北省武汉市武昌区中北路236号湖北华中电力科技大厦；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”。

以上内容由龙图腾AI智能生成。