申请/专利权人：华中科技大学

申请日：2020-10-23

公开（公告）日：2021-01-12

公开（公告）号：CN112214369A

主分类号：G06F11/26(20060101)

分类号：G06F11/26(20060101);G06N20/00(20190101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.10.27#发明专利申请公布后的驳回;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明公开了基于模型融合的硬盘故障预测模型建立方法及其应用，属于计算机存储技术领域，包括：从硬盘SMART信息历史数据中提取基础特征，并构建新的特征，然后筛选最优特征子集；根据筛选结果构建每条历史数据所对应的特征，与对应的硬盘状态构成一条样本，得到训练数据集，然后划分为训练集和测试集；建立多种不同机器学习模型，得到多个基模型；对每个基模型执行子模型建立步骤多次，得到多个子模型后，集成为硬盘故障预测模型，利用测试集对其进行参数调优和评估；子模型建立步骤为：从最优特征子集中随机选取部分特征，利用训练集对单个基模型进行训练，得到一个子模型；训练时仅以所选取的特征作为输入。本发明能够提升硬盘故障预测的准确性。

主权项：1.一种基于模型融合的硬盘故障预测模型建立方法，其特征在于，包括：特征工程步骤：从定期采集自数据中心的硬盘SMART信息历史数据中提取基础特征，并通过特征工程构建新的特征，从所有特征中选出使得硬盘故障预测精度最高的部分特征，得到最优特征子集；数据集构建步骤：根据所述最优特征子集，构建所述历史数据中的每条数据所对应的特征，每条数据的特征及对应的硬盘状态构成一条样本，由所有样本构成训练数据集；将所述训练数据集划分为训练集和测试集；基模型建立步骤：建立多种不同机器学习模型，分别用于根据硬盘的特征数据进行故障预测，每个机器学习模型分别作为一个基模型；子模型建立步骤：对于单个基模型，按照指定比例从所述最优特征子集中随机选取部分特征，利用所述训练集对所述基模型进行训练，得到一个子模型；训练过程中，仅以每条样本中所选取的特征作为输入；模型融合步骤：对于每个基模型，分别执行所述子模型建立步骤多次，得到多个子模型后，将所有子模型集成为硬盘故障预测模型，由所有子模型输出的预测结果融合后作为所述硬盘故障预测模型的预测结果，利用所述测试集对所述故障预测模型模型进行参数调优和评估。

全文数据：

权利要求：

百度查询： 华中科技大学 基于模型融合的硬盘故障预测模型建立方法及其应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD