[发明专利]服务器故障预测方法、装置和计算机可读介质

权利要求书

1.一种服务器故障预测方法，其特征在于，包括：

根据所需预测的故障类型，确定服务器中与该故障类型对应的关联参数；

获取该服务器当前时刻对应各关联参数的状态值，并将该服务器当前时刻对应各关联参数的状态值输入到预先训练好的与该故障类型对应的神经网络预测模型中；

在所述神经网络预测模型的输出结果为该服务器在当前时刻未发生故障时，根据所述当前时刻确定至少两个历史时刻以及目标时刻；其中，所述至少两个历史时刻位于所述当前时刻之前，所述目标时刻位于所述当前时刻之后；

针对每一个历史时刻，获取该服务器在该历史时刻对应各关联参数的状态值；

针对每一个关联参数，利用该关联参数对应每一个历史时刻的状态值以及所述当前时刻的状态值，确定在所述目标时刻对应该关联参数的状态值；

将在所述目标时刻对应各关联参数的状态值输入到所述神经网络预测模型中，根据输出结果确定该服务器在所述目标时刻是否发生故障；

所述至少两个历史时刻中每相邻两个历史时刻之间的间隔时长相等，且所述至少两个历史时刻中距离所述当前时刻最近的历史时刻与所述当前时刻之间的间隔时长，与所述至少两个历史时刻中相邻两个历史时刻之间的间隔时长相等；

所述目标时刻与所述当前时刻之间的间隔时长，是相邻两个历史时刻之间的间隔时长的正整数倍；

所述利用该关联参数对应每一个历史时刻的状态值以及所述当前时刻的状态值，确定在所述目标时刻对应该关联参数的状态值，包括：

A1：根据该关联参数对应每一个历史时刻的状态值以及所述当前时刻的状态值，计算该关联参数的平均值；

A2：根据该关联参数的平均值以及各状态值，生成设定个数的自相关函数值；其中，所述设定个数为历史时刻的个数与2的和；

A3：利用该设定个数的自相关函数值，计算该关联参数每一个状态值对应的影响系数；

A4：根据该关联参数每一个状态值对应的影响系数以及各状态值，确定在所述目标时刻对应该关联参数的状态值；

所述根据该关联参数每一个状态值对应的影响系数以及各状态值，确定在所述目标时刻对应该关联参数的状态值，包括：

B1：将各状态值与其对应影响系数的乘积的和确定为第一时刻对应该关联参数的状态值；所述第一时刻与所述当前时刻的间隔时长与所述至少两个历史时刻中相邻两个历史时刻之间的间隔时长相等；

B2：确定所述第一时刻是否为所述目标时刻，若否，则将所述至少两个历史时刻中距离所述当前时刻最远的历史时刻去除，将所述当前时刻确定为历史时刻，以及将所述第一时刻确定为当前时刻，返回执行步骤A1-A3，直到确定所述第一时刻为所述目标时刻时，则将所述第一时刻对应该关联参数的状态值确定为在所述目标时刻对应该关联参数的状态值。

2.根据权利要求1所述的方法，其特征在于，所述确定在所述目标时刻对应该关联参数的状态值，包括：

将各状态值与其对应影响系数的乘积的和确定为所述第一时刻对应该关联参数的初始状态值；

将各状态值和所述初始状态值输入到预先训练好的状态预测模型中，将所述状态预测模型的输出结果确定为所述第一时刻对应该关联参数的状态值。

3.根据权利要求1所述的方法，其特征在于，所述与该故障类型对应的神经网络预测模型通过如下步骤训练得到：

获取多组样本数据，每一组样本数据包括与该故障类型对应的各关联参数的样本状态值以及对应的故障结果；

将所述多组样本数据分为训练组和测试组；

将所述训练组中的每一组样本数据包括的各关联参数的样本状态值作为输入，将每一组样本数据包括的故障结果作为输出，对预先构建的初始模型进行训练，调整所述初始模型的参数；

利用所述测试组对训练后的所述初始模型进行测试，在测试结果的准确率达到设定阈值时，则将训练后的初始模型确定为所述神经网络预测模型。