[发明专利]磁盘故障的预测方法及装置

权利要求书

1.一种磁盘故障的预测方法，其特征在于，包括：

对获取到的数据集进行预处理，得到样本特征集；

根据所述样本特征集，生成时间序列样本集；其中，所述时间序列样本集中包括所述样本特征集中处于预设时间段内的样本特征；

对所述时间序列样本集中的每一个单位时间内的样本特征进行小波变换，得到每一个单位时间内的样本特征对应的细节系数；

将所述细节系数与时间序列样本中的最后一个单位时间的样本特征进行组合，获得故障预测样本集；

选择所述故障预测样本集中的测试样本集中的数据输入至磁盘故障预测模型中，得到预测值；其中，所述磁盘故障预测模型为一种改进的梯度提升树算法。

2.根据权利要求1所述的方法，其特征在于，所述对获取到的数据集进行预处理，得到样本特征集，包括：

根据存储在磁盘中的时间顺序对获取到的数据集进行升序排列，得到待处理数据集；

将所述待处理数据集输入至预设的树形分类器，由所述树形分类器从所述待处理数据集中的多个属性数据中选择权重最高的预设个数的属性数据作为样本特征集。

3.根据权利要求2所述的方法，其特征在于，所述得到待处理数据集之前，还包括：

判断磁盘中的数据是否出现空值；

若判断出所述磁盘中的数据出现空值，则采用零值填充；

若判断出所述磁盘中的数据没有出现空值，则判断所述磁盘中的数据记录次数是否低于预设记录次数；

若判断出所述磁盘中的数据记录次数低于预设记录次数，则删除所述数据记录次数低于预设记录次数的磁盘。

4.根据权利要求1所述的方法，其特征在于，所述磁盘故障预测模型的训练方法，包括：

根据预设的初始样本参数，建立初始预测模型，并将所述初始预测模型确定为当前预测模型；

将所述故障预测样本集中的训练样本集中的数据输入至所述当前预测模型中，得到当前预测值；

比较所述当前预测模型输出的当前预测值和所述训练样本集中对应的真实值，得到比较结果；

根据所述比较结果，判断所述当前预测模型的预测准确率是否满足准确率要求；

若判断出所述当前预测模型的准确率不能满足所述准确率要求，则更新当前预测模型中的样本参数，得到更新后的预测模型；

将所述更新后的预测模型作为当前预测模型，返回执行所述将所述训练样本集中的数据输入至所述当前预测模型中，得到当前预测值；

若判断出所述当前预测模型的准确率满足所述准确率要求，则将所述当前预测模型确定为所述磁盘故障预测模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述细节系数与时间序列样本中的最后一个单位时间的样本特征进行组合，获得故障预测样本集之后，还包括：

对所述故障预测样本集进行归一化处理，得到归一化的故障预测样本集；

将所述归一化的故障预测样本集按照预设的比例划分，得到所述测试样本集和所述训练样本集。

6.一种磁盘故障的预测装置，其特征在于，包括：

预处理单元，用于对获取到的数据集进行预处理，得到样本特征集；

生成单元，用于根据所述样本特征集，生成时间序列样本集；其中，所述时间序列样本集中包括所述样本特征集中处于预设时间段内的样本特征；

小波变换单元，用于对所述时间序列样本集中的每一个单位时间内的样本特征进行小波变换，得到每一个单位时间内的样本特征对应的细节系数；

组合单元，用于将所述细节系数与时间序列样本中的最后一个单位时间的样本特征进行组合，获得故障预测样本集；

执行单元，用于选择所述故障预测样本集中的测试样本集中的数据输入至磁盘故障预测模型中，得到预测值；其中，所述磁盘故障预测模型为一种改进的梯度提升树算法。