基于CNN-LSTM神经网络的磁盘故障预测方法

来源：计算机应用与软件杂志2024年第6期北京时间：

作者：彭福康, 王恩东, 高晓锋

摘要：运维人员准确预测将要发生的磁盘故障是保障数据安全的关键。然而，不平衡数据、不准确磁盘特性标记影响预测的准确性。提出一种基于预故障重置窗口(pre_Failure Reseting Window, pre_FRW)数据处理并组合卷积神经网络(CNN)和长短期记忆网络(LSTM)，即pre_FRW-CNN-LSTM的磁盘故障预测方法。pre_FRW数据处理既可以解决样本不平衡，又能减少潜在的模糊样本。而CNN-LSTM模型结构能提取数据的空间特征，还能有效捕捉时间序列之间的依赖关系。在真实监控数据集上实验表明，pre_FRW-CNN-LSTM的磁盘故障预测方法对比业界其他方法提升2%~10%的故障预测率，并保持较低的错误告警率。

关键词：云数据中心, 预故障重置窗口, 截断窗口, 卷积神经网络, 长短期记忆网络, 磁盘故障预测