公开(公告)号：CN110471820B

公开(公告)日：2023-01-17

申请号：CN201910715416.4

申请日：2019-08-05

Applicant: 南开大学

Inventor： 王刚 ,  刘冬实 ,  王博 ,  许畅 ,  刘晓光

IPC: G06F11/30 ,  G06F11/34 ,  G06F3/06 ,  G06N3/04

Abstract: 一种基于循环神经网络的云存储系统磁盘故障预测方法，适用于解决基于磁盘SMART属性预测磁盘故障问题。本发明的方法包括：1、设定网络结构：包括输入层、隐含层、健康度层和输出层；2、前向计算：将SMART属性、上一时刻隐含层和输出层作为输入，计算迁移率或误迁移率；3、反向计算：若磁盘生命期未结束，将健康度层误差向隐含层和输入层反馈，反之计算输出层的反馈；4、模型迭代：迭代至收敛，输出权重矩阵；5、模型测试：读入权重矩阵，计算迁移率和误迁移率数值，统计准确率、误报率和提前预测时间。本发明能够有效提高递归神经网络在迁移率和误迁移率上的性能表现，同时在准确率等指标上取得性能提升，更有利于数据迁移和保护。

公开(公告)号：CN110471820A

公开(公告)日：2019-11-19

申请号：CN201910715416.4

申请日：2019-08-05

Applicant: 南开大学

Inventor： 王刚 ,  刘冬实 ,  王博 ,  许畅 ,  刘晓光

IPC: G06F11/30 ,  G06F11/34 ,  G06F3/06 ,  G06N3/04

Abstract: 一种基于循环神经网络的云存储系统磁盘故障预测方法，适用于解决基于磁盘SMART属性预测磁盘故障问题。本发明的方法包括：1、设定网络结构：包括输入层、隐含层、健康度层和输出层；2、前向计算：将SMART属性、上一时刻隐含层和输出层作为输入，计算迁移率或误迁移率；3、反向计算：若磁盘生命期未结束，将健康度层误差向隐含层和输入层反馈，反之计算输出层的反馈；4、模型迭代：迭代至收敛，输出权重矩阵；5、模型测试：读入权重矩阵，计算迁移率和误迁移率数值，统计准确率、误报率和提前预测时间。本发明能够有效提高递归神经网络在迁移率和误迁移率上的性能表现，同时在准确率等指标上取得性能提升，更有利于数据迁移和保护。