一种融合注意力机制的CNN-BiGRU磁盘故障预测方法研究

作     者：王艳 刘亚东 皮婵娟 施君豪 WANG Yan;LIU Yadong;PI Chanjuan;SHI Junhao

作者机构：华东交通大学软件学院江西南昌330013 

出 版 物：《大数据》 (Big Data Research)

年 卷 期：2024年第10卷第5期

页      面：109-122页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61962020) 上海市智能信息处理重点实验室开放基金项目(No.IIPL201910) 江西省教育厅项目(No.GJJ2200640) 

主　　题：注意力机制 磁盘故障预测 双向门控循环单元 卷积神经网络 焦点损失函数 

摘      要：磁盘作为重要的存储介质,一旦出现故障很可能会导致存储数据丢失,给个人及企业带来难以估量的损失。现有磁盘故障预测模型存在不能很好地平衡磁盘数据样本、未充分利用磁盘数据的时序特性等问题。以Backblaze云存储公司公布的真实磁盘数据为研究对象,提出了一种融合注意力机制的卷积神经网络(CNN)和双向门控循环单元(BiGRU)网络的磁盘故障预测模型。在数据预处理方面,采用负采样与焦点损失函数来平衡正负样本,利用CNN进行特征提取,并结合BiGRU网络来有效地处理时序数据。通过融合注意力机制,能够让模型快速地捕捉更多关键特征信息,将筛选出的特征与数据输入模型进行训练。通过对比其他故障预测模型,本文提出的模型在精确率等4个评价指标上均有1%~7%的性能提升,为提高磁盘存储的可靠性提供了有力的支撑。