隨著現(xiàn)代科技的迅猛發(fā)展,數(shù)據(jù)中心已經(jīng)成為信息化社會的IT基礎(chǔ)設(shè)施,存儲管理大量關(guān)鍵數(shù)據(jù).當(dāng)前,數(shù)據(jù)中心的管理大多是依靠經(jīng)驗豐富的專業(yè)運(yùn)維人員使用計算機(jī)自動監(jiān)測機(jī)房設(shè)備各項指標(biāo),并對設(shè)備做出多次檢查,耗時且繁瑣.深度學(xué)習(xí)和人工智能技術(shù)當(dāng)前吸引了越來越多的注意力,并在互聯(lián)網(wǎng)和工業(yè)領(lǐng)域取得了許多成功應(yīng)用.本文設(shè)計了基于門控循環(huán)單元的深度學(xué)習(xí)框架對云數(shù)據(jù)中心機(jī)房設(shè)備故障進(jìn)行自動化的診斷,并聯(lián)合時序信息基于過去設(shè)備的運(yùn)行狀態(tài)信息對未來狀態(tài)進(jìn)行預(yù)測.其中,序列數(shù)據(jù)以固定時間窗分割后輸入雙向GRU單元層,使網(wǎng)絡(luò)學(xué)習(xí)到數(shù)據(jù)點的前后時間依賴關(guān)系.在GRU層輸出基礎(chǔ)上,我們添加了自注意力層和embedding層,讓神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到對故障預(yù)測更有效的特征并進(jìn)一步對特征進(jìn)行降維.最后,多層感知機(jī)被用于對降維后的數(shù)據(jù)進(jìn)行分類.基于真實數(shù)據(jù)集的實驗結(jié)果顯示,本文提出的基于GRU的深度學(xué)習(xí)框架相比LSTM, SVM和KNN等常用模型能夠更準(zhǔn)確地檢測出云數(shù)據(jù)中心故障. 

【文章來源】：計算機(jī)系統(tǒng)應(yīng)用. 2020年11期

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]Fault diagnosis based on dial-test data in datacenter networks[J]. QI Xiaogang,WANG Bingchun,LIU Lifang.  Journal of Systems Engineering and Electronics. 2019(05)
[2]混合供電數(shù)據(jù)中心能耗優(yōu)化研究進(jìn)展[J]. 宋杰,孫宗哲,劉慧,鮑玉斌,于戈.  計算機(jī)學(xué)報. 2018(12)
[3]基于拓?fù)鋱D元信息融合的電網(wǎng)故障診斷模型[J]. 徐彪,尹項根,張哲,陳國炎,楊雯.  電工技術(shù)學(xué)報. 2018(03)
[4]計及可信度的變結(jié)構(gòu)貝葉斯網(wǎng)絡(luò)電網(wǎng)故障診斷[J]. 羅孝輝,童曉陽.  電網(wǎng)技術(shù). 2015(09)
[5]面向數(shù)據(jù)中心網(wǎng)絡(luò)的分層式故障診斷算法[J]. 宣恒農(nóng),張潤馳,左苗,劉田田.  電子學(xué)報. 2014(12)
[6]基于協(xié)同式專家系統(tǒng)及多智能體技術(shù)的電網(wǎng)故障診斷方法[J]. 趙偉,白曉民,丁劍,方竹,李再華.  中國電機(jī)工程學(xué)報. 2006(20)



本文編號：2955530