【技术实现步骤摘要】
一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法
本专利技术涉及数据中心硬盘寿命预测方法，具体为一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法。
技术介绍
数据中心是现代信息系统的核心，而硬盘驱动器(简称硬盘)则作为这些海量数据的最主要存贮载体，它在商业领域的数据备份及高性能数据中心的计算存储中占据着至关重要的地位。一旦硬盘发生坏损，不但会造成重要数据的丢失还有可能会造成整个存储计算系统当机，给个人或企业造成不可估量的财产损失。因此，对硬盘的故障进行提前预警排查一直是各大数据中心关注的焦点。近年来，以机器学习、深度学习为代表的数据驱动的智能预测算法在硬盘剩余寿命预测中逐渐发挥作用。与传统寿命预测方法需要进行数据采集、健康指标构建、健康状态划分和寿命预测不同，基于深度学习的寿命预测模型将硬盘寿命预测简化为两步骤：硬盘监测数据的获取和剩余寿命预测。在深度学习中，剩余寿命预测被看作一个回归任务，只需将硬盘监测数据作为模型输入，硬盘剩余寿命作为输出即使用深度学习算法进行训练和验证。然而，由于硬盘监测数据受到噪声干扰...
【技术保护点】
1.一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法，其特征在于，/n采用单调性以及SMART参数F与时间T的相关性为指标对硬盘的SMART参数进行优选，筛选出具有预测性能的SMART参数，然后进行标准化处理，再将标准化处理后的数据划分为序列样本；/n通过正向的门控循环神经网络提取硬盘的历史时序信息，通过反向的门控循环神经网络提取硬盘的未来时序特征；将历史时序信息和未来时序特征输入至线性全连接层，并调整激活函数与学习率，完成剩余寿命预测网络的构建；/n采用贝叶斯变分推断方法估计寿命预测网络的分布参数，并训练，生成剩余寿命预测网络的权重参数及偏置参数，然后进行剩余寿命预测；/...
【技术特征摘要】
1.一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法，其特征在于，
采用单调性以及SMART参数F与时间T的相关性为指标对硬盘的SMART参数进行优选，筛选出具有预测性能的SMART参数，然后进行标准化处理，再将标准化处理后的数据划分为序列样本；
通过正向的门控循环神经网络提取硬盘的历史时序信息，通过反向的门控循环神经网络提取硬盘的未来时序特征；将历史时序信息和未来时序特征输入至线性全连接层，并调整激活函数与学习率，完成剩余寿命预测网络的构建；
采用贝叶斯变分推断方法估计寿命预测网络的分布参数，并训练，生成剩余寿命预测网络的权重参数及偏置参数，然后进行剩余寿命预测；
将序列样本采用剩余寿命预测网络实现对硬盘寿命的预测。
2.根据权利要求1所述的一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法，其特征在于，SMART参数F与时间T的相关性Corr(F,T)：
其中，
其中，N为时间的总数，F(ti)为ti时刻的SMART参数，为F的均值，t为任意一个时刻，为t的均值。
3.根据权利要求2所述的一种基于反向传播贝叶斯深度学习的硬盘寿命预测方法，其特征在于，单调性Mon(F)＝|Z|；
检验统计量Z为：
其中，预测特征S为：...
【专利技术属性】
技术研发人员：王宇，王国超，孙晓杰，訾艳阳，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。