公开(公告)号：CN116737521A

公开(公告)日：2023-09-12

申请号：CN202310744383.2

申请日：2023-06-21

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

发明人： 张杰 ,  李响 ,  田学森 ,  赵志刚 ,  王继彬 ,  武鲁

IPC分类号： G06F11/34 ,  G06F11/30 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

摘要： 本发明属于HPC作业预测领域，提供了一种基于自监督对比学习的HPC作业功耗预测方法及系统，本发明采用了基于表示学习和自监督学习的方法进行训练，采用向量对比的方式进行学习，将生成的向量表示在时间戳粒度以及实例粒度进行对比；在时间粒度上进行对比，学习数据随时间的动态变化趋势；在实例粒度上进行对比，学习不同类别的数据之间的差异和相似特征；基于得到的动态变化趋势、差异和相似特征进行作业功耗预测。考虑了数据的连续性，可以在长期预测任务中取得较好的性能，计算复杂度也明显低于RNN和GRU模型。

公开(公告)号：CN117910329B

公开(公告)日：2024-09-13

申请号：CN202410309464.4

申请日：2024-03-19

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

发明人： 赵志刚 ,  肖玉坤 ,  李响 ,  王春晓 ,  耿丽婷 ,  杜文青 ,  田学森 ,  张杰

IPC分类号： G06F30/25 ,  G06F30/27 ,  G06N3/006 ,  G06N3/0442

摘要： 本发明涉及计算机技术领域，提供了一种基于改进粒子群优化算法的海洋时序数据预测方法及系统。该方法包括，获取海洋传感器样本数据，采用改进的粒子群优化算法对预测模型的超参数进行优化，得到最优超参数，以此得到已训练的预测模型；获取待预测的海洋传感器数据，采用已训练的预测模型，得到预测结果；其中，所述改进的粒子群优化算法包括：采用非线性动态权重替换固定惯性权重，并在非线性动态权重中引入自适应权重因子。本发明通过将固定权重改为非线性动态权重，早期设置较大的权重，促进全局搜索，后期利用较小的权重提升局部搜索能力。这种动态调整有助于在全局探索和局部精细调整之间找到更好的平衡。

公开(公告)号：CN117910329A

公开(公告)日：2024-04-19

申请号：CN202410309464.4

申请日：2024-03-19

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

发明人： 赵志刚 ,  肖玉坤 ,  李响 ,  王春晓 ,  耿丽婷 ,  杜文青 ,  田学森 ,  张杰

IPC分类号： G06F30/25 ,  G06F30/27 ,  G06N3/006 ,  G06N3/0442

摘要： 本发明涉及计算机技术领域，提供了一种基于改进粒子群优化算法的海洋时序数据预测方法及系统。该方法包括，获取海洋传感器样本数据，采用改进的粒子群优化算法对预测模型的超参数进行优化，得到最优超参数，以此得到已训练的预测模型；获取待预测的海洋传感器数据，采用已训练的预测模型，得到预测结果；其中，所述改进的粒子群优化算法包括：采用非线性动态权重替换固定惯性权重，并在非线性动态权重中引入自适应权重因子。本发明通过将固定权重改为非线性动态权重，早期设置较大的权重，促进全局搜索，后期利用较小的权重提升局部搜索能力。这种动态调整有助于在全局探索和局部精细调整之间找到更好的平衡。

公开(公告)号：CN117195001A

公开(公告)日：2023-12-08

申请号：CN202311206504.4

申请日：2023-09-18

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

发明人： 田学森 ,  张杰 ,  李响 ,  赵志刚 ,  王春晓 ,  张俭 ,  李传涛 ,  耿丽婷

IPC分类号： G06F18/22 ,  G06F18/25 ,  G06F18/2413 ,  G06F18/241 ,  G06F18/21

摘要： 本发明涉及高性能计算领域，提供了一种基于功耗曲线和脚本信息的HPC作业功耗预测方法及系统。该方法包括基于历史作业功耗曲线数据，得到第一相似度值；基于历史作业脚本信息数据，得到第二相似度值；依据需求，为第一相似度值和第二相似度值分配权重，计算加权求和，得到综合相似度值，以此构建相似度邻接矩阵；以最大化模块度指标为原则，按照相似度邻接矩阵，将HPC作业划分成不同的类别；基于划分后不同类别中历史数据，分别训练不同的神经网络模型，得到已训练的神经网络模型；匹配与目标HPC作业相似的历史作业类别，采用该历史作业类别的神经网络模型对目标HPC作业的脚本信息数据进行预测，得到预测结果。

公开(公告)号：CN116821643A

公开(公告)日：2023-09-29

申请号：CN202310777733.5

申请日：2023-06-28

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

发明人： 李响 ,  田学森 ,  赵志刚 ,  张杰 ,  王春晓 ,  郭莹 ,  吴晓明

IPC分类号： G06F18/21 ,  G06F18/214 ,  G06N20/00

摘要： 本发明提出了基于在线增量学习的HPC作业功耗预测方法及系统，涉及高性能计算领域，根据离线作业功耗数据，初始化预测模型；实时获取新采样的HPC作业功耗数据，形成输入数据流；预测模型处理输入数据流，输出未来时刻的功耗预测值；在处理输入数据流过程中，基于模型更新时机判定方法，使用在线增量学习进行模型的更新；基于模型更新时机判定方法是在接收到新数据时，通过对真实值与预测值之间的偏差距离分布变化进行监控，得到模型预测性能下降分数，基于预设的增量学习分数阈值，判定预测模型是否需要进行增量学习；本发明当模型预测性能出现下降时，对原有的模型参数进行优化与更新，以适用预测未来时刻功耗值的需求，提高预测的精度。