[发明专利]一种基于循环神经网络的云存储系统磁盘故障预测方法

权利要求书

1.一种基于循环神经网络的云存储系统磁盘故障预测方法，其特征在于，包括以下步骤：

步骤1，设定网络结构，包括输入层、隐含层、健康度层和输出层四层，初始化网络；

步骤2，前向计算时，对每条SMART记录，将SMART属性、上一时刻隐含层和输出层节点值作为输入，根据层与层之间的权重矩阵，计算隐含层和健康度层节点值，选取隐含层中数值最大的节点，根据其对应的健康度区间和预定义好的迁移速率计算迁移率或误迁移率数值；

步骤3，反向计算时，对同一磁盘，若磁盘生命期未结束，对每条SMART记录，将健康度层的误差向隐含层和输入层反馈，更新权重矩阵，用隐含层和输出层节点值代替隐含层作为下一时刻输入，反之，计算输出层到健康度层、隐含层和输入层的反馈，并将输出层节点值清零；

步骤4，全部磁盘数据计算结束，完成一次迭代，重复迭代多次至网络收敛，训练结束，输出当前层与层之间权重矩阵数值；

步骤5，测试时，读入训练得到的权重矩阵，初始化网络，前向计算迁移率和误迁移率数值，同时可统计准确率、误报率和故障提前预测时间指标。

2.根据权利要求1所述的方法，其特征在于：步骤1所述的健康度层是指该层每个节点对应一个磁盘预期剩余寿命区间，反应磁盘的健康程度。

3.根据权利要求2所述的方法，其特征在于：磁盘预期剩余寿命区间是指磁盘从被预测出可能发生故障，到实际发生故障的时间。

4.根据权利要求1所述的方法，其特征在于：步骤2所述的迁移率和误迁移率包括：

迁移率：存在潜在故障磁盘上及时迁移的数据的比例；

误迁移率：健康磁盘上数据被误迁移的比例。

5.根据权利要求1所述的方法，其特征在于：步骤2所述的迁移速率是指根据磁盘剩余寿命区间设定的磁盘每小时数据迁移量，对于健康磁盘对应的剩余寿命区间，迁移速率为0，对于故障磁盘对应的剩余寿命区间，根据不同的区间设定不同的迁移速率。

6.根据权利要求1所述的方法，其特征在于：步骤3所述的磁盘生命期结束是指读入训练集合中一块磁盘的最后一条SMART记录。

7.根据权利要求1所述的方法，其特征在于：步骤5所述的准确率、误报率和故障提前预测时间包括：

准确率：成功预测出的故障磁盘占故障磁盘总数的比例；

误报率：错误预测成故障磁盘的健康磁盘占健康磁盘总数的比例；

故障提前预测时间：故障磁盘被提前预测出来的平均时间。