[發明專利]一種基于機器學習的ls-dyna計算時間自動預測算法

在審

• 申請號: 202010313317.6
• 申請日: 2020-04-20
• 公開（公告）號: CN111754017A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 吳光宇
• 申請（專利權）人: 懷曦智能科技（上海）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N20/00
• 代理公司: 上海宣宜專利代理事務所(普通合伙) 31288
• 代理人: 陳酩

1.一種基于機器學習的ls-dyna計算時間自動預測算法，其特征在于，包括以下步驟：

S1、訓練數據的提取：從歷史使用數據log中提出樣本數據；

S2、對工況編碼：工況是標準化的，以不同的數字進行不同工況的標記；

S3、對壁障、假人編碼：根據不同的壁障，假人類型分不同的大類；

S4、集群相關的參數控制測試：將計算因素標準化，通過選擇某典型的工況A，在不同的硬件平臺下計算1-N核的計算所需要的時間，得到核數與計算時間曲線；其中，集群并不是同構的，是由不同時期采購的節點組成；

S5、計算通過python進行估算，利用三維線性規劃以及回歸的方式進行估計。

2.根據權利要求1所述的一種基于機器學習的ls-dyna計算時間自動預測算法，其特征在于，所述步驟S1中提出的樣本數據包括：Jobid：作業的批處理id；Cores：作業計算總核數；Walltime：作業實際計算時間；Loadcase：工況編碼；Casetime：工況總時長Dt：工況步長；Model_size：模型文件大小。

3.根據權利要求2所述的一種基于機器學習的ls-dyna計算時間自動預測算法，其特征在于，所述Walltime：作業實際計算時間為去除無效樣本作業數據，如失敗退出、運行時取消的時間，所述Casetime：工況總時長的單位為ms，所述工況總時長從solver deck中讀取，所述Model_size：模型文件大小的單位為MB。

4.根據權利要求1所述的一種基于機器學習的ls-dyna計算時間自動預測算法，其特征在于，所述步驟S2中的工況編碼相當于建立一個integer工況號-string工況名稱的map。

5.根據權利要求1所述的一種基于機器學習的ls-dyna計算時間自動預測算法，其特征在于，所述步驟S4中的參數與實際平臺相關，到一個新的硬件環境與舊的平臺有硬件改動時，參考曲線則必須重新測試獲得，不具有可移植性，所述硬件改動包括換交換機和換內存/硬盤中的一種或多種。