随着云计算的发展和大数据在各领域的应用共同促进了计算、存储和传输的数据量进一步上升。市场需求和政策指导引领数据中心建设进入新的发展机遇。本人有幸任职于业界闻名的数据中心运营服务商,经历了数据中心行业的高速发展,对行业内共识现存数据中心选址面临一些不可忽视的挑战或问题深有体会,主要表现为数据中心选址偏主观性,缺乏统一标准,整体布局有所失衡,建设较大幅度领先于启用的现象日益突出。响应当前工业通信业标准化工作的号召,并且防止企业投资出现盲目追求数据中心数量或者规模,愈发需要建立起一种具备操作便捷、智能可用的数据中心选址方法。针对上述数据中心面临的挑战或问题进行以下几方面的研究:1、依据数据中心设计规范的国家标准和现有数据中心选址的定性研究,归纳出影响中大型数据中心选址的相关因素,即气象条件、地质环境、能源条件、运营费用、交通网络配套、市场需求、区域环境等定性因素,将其合理转化成定量指标,构建一个数据中心选址评价指标体系并建立起相应的数据库。2、根据中国行政区地级市对全国现有中大型数据中心所在的地理位置进行合理分割,探索出中大型数据中心数量与各影响因素之间的量化关系。建立起多元回归模型预测合理的中大型数据中心数量,有助于解释并且缓解数据中心分布不均的情况。3、根据影响中大型数据中心选址的相关因素,运用机器学习的聚类模型,对中国行政区地级市进行合理划分并挑选出适合中大型数据中心布局地点。以上通过文献研究将定性因素合理转化为定量指标,建立起多元回归模型和聚类模型,并且应用到工作实践中,初步得到以下成果:1、多元回归模型显示网络节点等级与中大型数据中心的个数呈现负相关关系,而水价、人均工资、软件信息服务业企业数量和行业从业人数与中大型数据中心的个数是正相关。其他特征变量（温度、湿度、空气洁净度、地震强度、地质灾害数量、电价、电力自给率、土地价格、建造成本、高速公里占总公里数比率、金融业企业数量、用户使用固定网络的数量、是否有产业优惠政策和优质高校的数量）对中大型数据中心的数量影响不显著。2、聚类模型显示适合中大型数据中心选址主要分为需求导向型和成本领先的潜力发展型两类,前者主要集中于个人用户数量庞大,企业用户集中的北上广深,后者主要集中于具备自然禀赋、低廉电价优势且未来有客户增长潜力的地区。3、在公司拟新建数据中心投资中应用上述多元回归和聚类模型的研究成果,合理评估各个备选方案,最终挑选出的浦江项目成功入围沪经信委近期批复十八个新建数据中心的名单中。多元回归模型探索出影响区域数据中心的数量和聚类模型挑选出优势位置,具有如下研究意义:1、借鉴机器学习应用于商业网点的选址思路,尝试将其应用于中大型数据中心的选址研究,即通过多元回归模型预判各地区中大型数据中心数量和聚类分析挑选出适合中大型数据中心布局地点。建立起的数据中心选址模型和数据库将有助于标准化数据中心选址的工作流程,逐步建立健全满足数据中心产业高质量发展的新型标准体系。2、对于数据中心企业而言,根据模型拟合的结果,能够初步预判该区域数据中心数量是否饱和,选择哪些区域进行投资,避免了选址不合理导致资源浪费或者错失投资机会。3、从城市建设规划来看,数据中心选址在重点考虑市场需求、能源供给和自然环境的基础上,拓展至该区域规划数据中心是否安全,是否有稳定的网络连接,是否有相关人才支持,能否利用产业扶持政策。研究成果为合理规划数据中心的建设提供了决策依据。