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！

龙图腾网获悉中国电建集团河北省电力勘测设计研究院有限公司申请的专利一种基于集成学习的数据中心负荷预测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：CN117272240B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202311208363.X，技术领域涉及：G06F18/27；该发明授权一种基于集成学习的数据中心负荷预测方法是由郝佳飞;韩子博;孙俊莲;龙慧;王杰;李娜;陈云芳;张丽霞设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本一种基于集成学习的数据中心负荷预测方法在说明书摘要公布了：本发明公开了一种基于集成学习的数据中心负荷预测方法，属于数据中心负荷预测领域，包括：S1、采集数据中心电负荷及其影响因素的历史运行数据，建立特征数据库；S2、基于特征数据库构建SARIMA预测模型，并根据信息准则AIC和BIC，估计SARIMA预测模型的参数；S3、构建LSTM预测模型；S4、基于SARIMA预测模型和LSTM预测模型构建集成学习神经网络数据集；S5、训练集成学习神经网络数据集，生成求和权重的FC网络；S6、SARIMA预测模型和LSTM预测模型通过求和权重的FC网络得到最终预测结果。本发明能够提高数据中心负荷预测的准确性，适用于复杂的数据中心负荷预测任务。

本发明授权一种基于集成学习的数据中心负荷预测方法在权利要求书中公布了：1.一种基于集成学习的数据中心负荷预测方法，其特征在于：包括以下步驟： S1、采集数据中心电负荷及其影响因素的历史运行数据，建立特征数据库； S2、基于特征数据库构建季节性自回归综合移动平均模型，并根据信息准则AIC和BIC，估计季节性自回归综合移动平均模型的参数；S2中，具体包括以下步骤： S2.1季节性自回归综合移动平均模型对数据中心的电负荷历史数据进行平稳性检验，如果不平稳，进行差分操作，得到平稳的时间序列数据； S2.2绘制时间序列图，查看数据的趋势、季节性和周期性；对数据进行自相关和偏自相关分析，确定季节性自回归综合移动平均模型的阶数和参数； S2.3根据自相关和偏自相关分析的结果，选择季节性自回归综合移动平均模型的阶数和季节性阶数；阶数指导模型中自回归、差分和移动平均的部分；根据信息准则AIC和BIC，估计季节性自回归综合移动平均模型的参数； 其中，季节性自回归综合移动平均模型的参数包括： p：自回归部分的阶数； d：差分部分的阶数，用于使数据平稳； q：移动平均部分的阶数； 季节性阶数包括： P：季节性自回归部分的阶数； D：季节性差分部分的阶数，用于使季节性数据平稳； Q：季节性移动平均部分的阶数； s：季节周期的长度； 通过AIC和BIC选择SARIMA预测模型的参数步骤包括： S2.3.1生成候选参数组合：创建一个参数网格，涵盖p，d，q，P，D，Q，s的范围；常用的范围包括0≤p，d，q≤3，和0≤P，D，Q≤2，以及适当的季节周期s； S2.3.2拟合模型并计算AIC和BIC：对于每个参数组合，拟合对应的SARIMA预测模型，并计算AIC和BIC； AIC的计算公式如下： ； 其中：是模型的参数数量，包括常数、系数；是模型拟合数据的似然函数值；AIC的目标是最小化AIC值； BIC的计算公式如下： ； 其中，是模型的参数数量，是模型拟合数据的似然函数值；n是样本的大小；BIC的目标也是最小化BIC值； S2.3.3选择最小AIC和BIC的模型：根据AIC和BIC的值，选择具有最小AIC和BIC的模型作为最优模型； S2.4使用估计的参数，将季节性自回归综合移动平均模型拟合到数据中心的电负荷历史数据中，产生一个训练好的季节性自回归综合移动平均模型，用于预测数据中心的电负荷； S2.5对所搭建的季节性自回归综合移动平均模型进行验证和评估； S3、构建长短期记忆神经网络模型； S4、基于季节性自回归综合移动平均模型和长短期记忆神经网络模型构建集成学习神经网络数据集； S5、训练集成学习神经网络数据集，生成求和权重的全连接神经网络；S5中，包括： 利用S4中得到的集成学习神经网络数据集，训练一个生成求和权重的全连接神经网络；网络输入为季节性自回归综合移动平均模型的预测输出和长短期记忆神经网络模型的预测输出，输出为和对应的置信度和，作为求和权重； 全连接神经网络设置两个隐含层，隐含层激活函数为sigmoid，输出层激活函数选用softmax函数，保证输出，softmax函数的公式为： ； 全连接神经网络损失函数选用均方差函数，公式为： ； 其中，和分别为全连接神经网络输出的和的预测值； 使用全连接神经网络训练集数据对模型进行训练，并测试验证，得到集成学习的全连接神经网络模型； S6、季节性自回归综合移动平均模型和长短期记忆神经网络模型通过求和权重的全连接神经网络得到最终预测结果。

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中国电建集团河北省电力勘测设计研究院有限公司，其通讯地址为：050031 河北省石家庄市长安区建华北大街6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”。

以上内容由龙图腾AI智能生成。