买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安工业大学申请的专利一种基于特征选取与GS-LSTM的磁盘故障预测获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116108395B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211666867.1，技术领域涉及：G06F18/2433；该发明授权一种基于特征选取与GS-LSTM的磁盘故障预测是由王慎航;孟恭;潘兆丰;傅妍芳;孙云鹏;马赛设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于特征选取与GS-LSTM的磁盘故障预测在说明书摘要公布了：本发明涉及一种基于特征选取与GS‑LSTM的磁盘故障预测，针对磁盘正负样本严重不均衡的问题，使用SMOTEENN算法对训练样本进行平衡化处理；同时本发明采用网格搜索算法对LSTM模型超参数进行优化，克服了现有方法超参数的选择方式效率较低，提高了模型的预测效果。本发明由于采用PCCs对磁盘S.M.A.R.T.属性进行特征选取，比现有方法所采用的特征具有更强的故障表征能力，同时设计了网格优化算法的预测模型按需构造模型，对于不同的磁盘型号有更好的预测模型使模型泛化性强。克服了现有方法不依赖于专业知识对S.M.A.R.T.属性特征进行选取和工业应用和预测模型效率低的问题，该模型在保持较低误检率的同时，有着较高的预测准确性和故障检出率。

本发明授权一种基于特征选取与GS-LSTM的磁盘故障预测在权利要求书中公布了：1.一种基于特征选取与GS-LSTM的磁盘故障预测，其特征在于步骤如下： 步骤1、利用Person相关性分析选取磁盘的S.M.A.R.T.属性： 将n块故障磁盘的每块磁盘发生故障前t天以及故障当天的S.M.A.R.T.属性数据，合并为t+1组，n块故障磁盘的t+1组数据合并为n*t+1组；其中故障磁盘的k个S.M.A.R.T.属性为xi，i=1,2,……k； 随机n块正常磁盘，以每块磁盘的S.M.A.R.T.属性数据，合并为t+1组，n块故障磁盘的t+1组数据合并为n*t+1组；其中正常磁盘的k个S.M.A.R.T.属性为xj，j=1,2,……k； 所述k个S.M.A.R.T.属性是空间中的k个变量，则故障磁盘的S.M.A.R.T.属性与正常磁盘S.M.A.R.T.属性的相关系数： 式中，为Pearson相关系数PCCs，，； 计算这两个的序列的Pearson相关系数，对比每个S.M.A.R.T.属性的皮尔逊相关系数，以0.00≤∣∣＜0.20的S.M.A.R.T.属性作为故障特征； 步骤2：将所有故障特征数据集划分为训练集和测试集； 步骤3：采用SMOTEENN算法平衡训练集的正负样本，形成正负样本平衡的训练集； 步骤4：以正负样本平衡的训练集作为GS-LSTM故障预测模型的输入，基于正负样本平衡的训练集进行预测，并使用GS算法对模型的超参数进行优化，获得最优的LSTM故障预测模型； 所述GS-LSTM故障预测模型采用长短期记忆网络，采用LSTM的网络层数和初始学习率两个超参数： 网格搜索的目标函数为： 满足 式中，为训练集对应的预测序列，为测试集，和分别表示为搜索步长；首先要预设LSTM的网络层数和学习率的取值范围，为了加快模型的寻优速度，控制在一定的取值范围，需要控制在较小范围内取值，然后分别选择合适的搜索步长，训练LSTM模型，取最优的网络层数和学习率； 步骤5：测试集作为优化后的LSTM时序预测模型输入，输出为磁盘故障预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安工业大学，其通讯地址为：710021 陕西省西安市未央区学府中路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。