一种基于深度强化学习的机房节能时序预测方法

本发明提供了一种基于深度强化学习的机房节能时序预测方法，主要分为以下三部分：依托MWORKS平台下的Sysplorer搭建机房环境仿真模型，通过仿真建模得到温度、湿度、能耗等时间序列数据；通过深度学习时序预测方法对环境的时间序列数据进行预测，得到最终预测序列；最后将预测的序列结果输入到通过训练得到的强化学习网络参数中，得到最后的智能决策结果。本发明有打破国外MATLAB垄断，智能决策结果平滑，准确性高的优点。