(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111638846.4 (22)申请日 2021.12.28 (71)申请人 深圳前海微众 银行股份有限公司 地址 518027 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 邵海涛　卢道和　罗锶　张晓通　 曾可　黄耿冬　郭江涛　鲁东东　 冯期明　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 代理人 宋兴　刘芳 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06K 9/62(2022.01) (54)发明名称 机房环境调控方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供一种机房环境调控方法、 装置、 电子设备及存储介质。 该方法包括： 构建神经网 络预测模型， 获取机房的环境因子数据， 根据环 境因子数据和神经网络预测模型， 生成机房的环 境调节信息， 根据环境调节信息， 对机房的环境 进行调控。 由于通过利用神经网络预测模型对机 房的环境因子数据进行处理， 生成机房的环境调 节信息， 进而根据环境调节信息， 对机房的环境 进行调控， 实现了利用环境因子数据， 对机房调 节信息的预判， 解决了现有技术中， 通过温湿度 探头定点采集数据中心机房内部温湿度数据， 再 通过对比温湿度安全阈值来进行指令或者人为 调控的方式存在滞后性的问题， 提高了机房调控 的准确性。 权利要求书2页 说明书14页 附图4页 CN 114219177 A 2022.03.22 CN 114219177 A 1.一种机房环境调控方法， 其特 征在于， 包括： 构建神经网络预测模型； 获取所述机房的环境因子数据； 根据所述环境因子数据和所述神经网络预测模型， 生成所述机房的环境调节信息； 根据所述环境调节信息， 对所述机房的环境进行调控。 2.根据权利要求1所述的方法， 其特征在于， 在所述构建神经网络预测模型之前， 还包 括： 根据主成分分析法对所述机房的历史环境因子数据进行分析， 确定环境因子中的主成 分因子； 所述构建神经网络预测模型包括： 根据所述主成分因子， 构建神经网络预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述主成分因子， 构建神经网络 预测模型， 包括： 构建所述神经网络预测模型的神经网络结构； 生成训练样本对， 所述训练样本对 包括主成分因子数据样本和环境调节信息样本； 利用所述训练样本对， 对所述神经网络结构进行训练， 生成所述神经网络预测模型。 4.根据权利要求3所述的方法， 其特征在于， 所述神经网络结构包括输入层、 隐蔽层和 输出层， 所述输入层用于 输入所述主成分因子数据样本； 所述隐蔽层的输入为所述主成分因子数据样本的第 一加权和， 所述隐蔽层的输出为所 述第一加权和的第一 转移函数值； 所述输出层的输入为所述第 一转移函数值的第 二加权和， 所述输出层的输出为所述第 二加权和的第二 转移函数值。 5.根据权利要求4所述的方法， 其特征在于， 所述利用所述训练样本对， 对所述神经网 络结构进行训练， 包括： 确定所述神经网络结构第 一加权调节量和第 二加权调节量， 所述第 一加权调节量是所 述输入层至所述隐蔽层的加权调节量， 所述第二加权调节量是所述隐蔽层至所述输出层的 加权调节量； 将所述主成分因子数据样本 输入至所述神经网络结构中， 生成预测环境调节信息； 利用所述预测环境调节信 息与所述环境调节信 息样本， 确定所述第 一加权调节量和所 述第二加权调节量的加权修 正量； 利用所述加权修正量更新所述神经网络结构的所述第一加权调节量和所述第二加权 调节量， 然后使用更新后的神经网络结构对所述训练样本对进行训练， 直到所述预测环境 调节信息与所述环境调节信息样本之间的误差满足预设条件， 训练结束。 6.根据权利要求3所述的方法， 其特 征在于， 所述 生成训练样本对， 包括： 确定所述主成分因子数据样本和所述环境调节信息样本； 对所述主成分因子数据样本和所述环境调节信 息样本进行归一化处理， 生成所述训练 样本对。 7.根据权利要求2 ‑6任一项所述的方法， 其特征在于， 所述根据主成分分析法对所述机权　利　要　求　书 1/2 页 2 CN 114219177 A 2房的历史环境因子数据进行分析， 确定环境因子中的主成分因子， 包括： 对所述历史环境因子数据进行标准化处理， 生成所述历史环境因子数据的标准化数据 矩阵； 确定所述标准 化数据矩阵的相关系数矩阵； 利用所述相关系数矩阵确定每 个环境因子的贡献率和累积贡献率； 根据所述贡献率和所述累积贡献率， 确定所述主成分因子 。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述贡献率和所述累积贡献率， 确定所述主成分因子， 包括： 确定所述累积贡献率达 到预设贡献率时， 所需最少的环境因子数量 为目标数量； 按照所述贡献率的大小顺序， 确定所述目标 数量的所述环境因子为所述主成分因子 。 9.一种机房环境调控 装置， 其特 征在于， 包括： 构建模块， 用于构建神经网络预测模型； 获取模块， 用于获取 所述机房的环境因子数据； 处理模块， 用于根据所述环境因子数据和所述神经网络预测模型， 生成所述机房的环 境调节信息； 调控模块， 用于根据所述环境调节信息， 对所述机房的环境进行调控。 10.根据权利要求9所述的装置， 其特 征在于， 还 包括： 确定模块， 用于根据主成分分析法对所述机房的历史环境因子数据进行分析， 确定环 境因子中的主成分因子； 所述构建模块， 具体用于： 根据所述主成分因子， 构建神经网络预测模型。 11.一种电子设备， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1 ‑8中任一项 所述的方法。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑8中任一项所述的 方法。 13.一种计算机程序产品， 包括计算机执行指令， 该计算机执行指令被处理器执行时实 现权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114219177 A 3