随着信息技术的快速发展和普及,社会信息化程度不断提高,对保障信息化建设的数据中心机房的监测和管理变得尤为重要。数据中心机房内存放着各类维持网络稳定连接、保证全校信息系统正常运行的网络设备、服务器以及数据存储设备。当机房环境参数超出设备正常工作的阈值时,将会影响设备的使用寿命以及性能的稳定性。一旦设备发生故障,将会直接影响各类信息系统的平稳运行和网络的正常连接,可能会导致各单位业务运转的停滞。因此加强对数据中心机房环境的监控,建立环境异常预警机制,对保障网络设备的安全和平稳运行具有重要意义。本论文结合物联网技术,并根据某高校数据中心机房的实际需求,设计并实现了机房监控及预警平台。该平台由机房数据采集终端和机房监控终端两部分组成。其中机房数据采集终端部署在机房现场,使用树莓派作为主控单元,通过连接各类传感器和通信模块实现环境参数的采集和上传。当发现机房环境异常时,使用通信模块向机房工作人员发送报警短信。此外为防止机房图像泄露,使用基于混沌体系的数字图像加密算法来对机房图像进行加密。机房监控终端部署在服务器端,用于实现各类业务逻辑,主要分为Web应用、主程序服务和数据库服务。Web应用面向工作人员提供可视化服务,主程序服务实现对采集端上传数据的运算和分析,数据库服务用于实现各类数据的存储和查询。对于机房环境预测,本论文提出了一种非线性组合的时间序列预测模型。该组合预测模型通过BP神经网络将LSTM和Prophet两个模型的预测结果进行非线性组合,从而得到最终的预测值。使用了机房温度数据和三组不同领域的公开数据集对组合预测模型的预测效果进行了验证。实验结果表明组合预测模型的平均绝对百分误差和均方根误差两个评价指标相对于其他模型最优。因此本论文提出组合预测模型具有较好的预测效果和较高的预测精度,是一个有效的时间序列预测模型。通过该模型,可以提前预知机房环境异常,并及时进行预警,可以有效的保障机房中各类设备的平稳运行,为学校的信息化建设保驾护航。