申请/专利权人：北京同有飞骥科技股份有限公司

申请日：2023-12-28

公开（公告）日：2024-03-29

公开（公告）号：CN117785519A

主分类号：G06F11/00

分类号：G06F11/00;G06F11/22;G06N3/0442;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种双模型训练的磁盘故障预测方法、系统、设备及储存介质，所述方法包括：采集磁盘数据；对所述磁盘数据进行数据预处理，将预设的特征参数作为初始特征；将所述磁盘数据和所述初始特征作为数据集，进行LSTM深度循环神经网络算法模型训练；基于训练好的LSTM深度循环神经网络算法模型检测耗损而导致的磁盘故障；每间隔预设时间，将系统所有磁盘的smart信息带入静态模型，然后通过箱型图法进行判断异常，得到预测结果；其中，所述预测结果为多分类的向量形式，选择最大概率的预测结果作为输出。通过本公开的处理方案，可以提高预测的准确性和减少计算机模型训练的消耗性能和时间。

主权项：1.一种双模型训练的磁盘故障预测方法，其特征在于，所述方法包括以下步骤：采集磁盘数据；所述磁盘数据包括：静态的backblaze开源的大数据集和定时采集的生产环境smart信息；对所述磁盘数据进行数据预处理，将预设的特征参数作为初始特征；将所述磁盘数据和所述初始特征作为数据集，进行LSTM深度循环神经网络算法模型训练；基于训练好的LSTM深度循环神经网络算法模型检测耗损而导致的磁盘故障；每间隔预设时间，将系统所有磁盘的smart信息带入静态模型，然后通过箱型图法进行判断异常，得到预测结果；其中，所述预测结果为多分类的向量形式，选择最大概率的预测结果作为输出。

全文数据：

权利要求：

百度查询： 北京同有飞骥科技股份有限公司 双模型训练的磁盘故障预测方法、系统、设备及储存介质

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