基于数据筛选的硬盘剩余使用寿命预测方法

发布时间：2024-04-17 21:34

　　为提高硬盘剩余使用寿命预测器的精度,提出一种基于smart数据筛选和随机森林预测器进行剩余使用寿命预测的方法。提出基于硬盘使用寿命长短进行数据集分割的策略,有效提升预测精度;在此基础上,在硬盘临近失效状态时,利用相似度度量待预测硬盘与训练集硬盘状态的相似性,选择相似度高的硬盘构成新的训练集,提高预测器在硬盘临近失效时的精度。利用BACKBLAZE提供的数据集验证,相比简单的运用随机森林预测器,进行数据集分割和训练集筛选的预测器具有更高的精度。

【文章页数】：7 页

【文章目录】：
0 引言
1 相关原理
    1.1 随机森林
    1.2 MDA算法
    1.3 回归预测评价指标
    1.4 信息增益与信息熵
2 数据集划分
    2.1 数据集
    2.2 随机森林模型预测缺陷
    2.3 使用寿命与预测精度
    2.4 熵与数据集划分
    2.5 预测目标的选取
3 临近失效预测优化
    3.1 算法描述
    3.2 改进的MDA算法
    3.3 健康状态相似度
4 实验与分析
    4.1 数据处理
    4.2 训练集分割与预测效果
    4.3 临近失效状态优化
5 结束语



本文编号：3956954