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)申请的专利基于在线增量学习的HPC作业功耗预测方法及系统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：CN116821643B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310777733.5，技术领域涉及：G06F18/21；该发明授权基于在线增量学习的HPC作业功耗预测方法及系统是由李响;田学森;赵志刚;张杰;王春晓;郭莹;吴晓明设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本基于在线增量学习的HPC作业功耗预测方法及系统在说明书摘要公布了：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。

本发明授权基于在线增量学习的HPC作业功耗预测方法及系统在权利要求书中公布了：1.基于在线增量学习的HPC作业功耗预测方法，其特征在于，包括： 根据离线的HPC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，并形成输入数据流； 所述预测模型处理输入数据流，以生成并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； 其中，所述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； 所述模型预测性能下降分数，是采用滑窗构建的方法，实时地将预测值与真实值的偏差距离转化为统一的判定标准，即模型预测性能下降分数,分数越大表示模型性能下降地更为严重，反之则表明模型的预测效果较好； 所述采用滑窗构建的方法，具体为： 采用长度为大滑窗和小滑窗的两个滑动数据窗口，分别缓存时刻前的偏差距离和时刻的偏差距离，时刻预测模型的性能下降分数由标准高斯分布的右尾函数的互补概率得到，模型预测性能下降分数的具体公式为： 其中，和为大滑窗内的偏差距离均值和方差，为小滑窗内的偏差距离均值。

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)，其通讯地址为：250000 山东省济南市历下区科院路19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。