随着计算机网络规模的不断扩大,网络中接入的路由器、交换机等网络设备也日益增多,网络故障便不可避免得出现,给人们的生活和工作带来诸多不便。在某些军工武器系统等特殊环境下,网络系统的可靠性显得尤为重要,特别是在某些关键任务的执行过程中,网络故障的出现可能会导致重要信息的丢失,甚至导致任务的失败。针对网络设备的故障预测对于提高网络系统的可靠性,保障关键任务的顺利执行,减轻网络管理和维护的负担具有重要意义。本文以某军事单位提供的网络设备告警日志为基础,首先从多角度分析了原始告警日志的特点,并据此制定了对应的过滤策略,采用基于时间间隔的过滤方法对原始告警日志中的冗余记录进行了有效的过滤。通过分析过滤后的日志记录并结合网络环境的特点,本文确立了两个预测目标,即针对网络整体的预测和针对具体设备的预测,并分别建立了对应的故障预测模型。一方面,本文将时间轴划分为一定大小的时间窗口,运用基于数据挖掘的分类预测思想,通过统计时间窗口中的告警信息作为特征,以时间窗口为单位进行故障预测;另一方面,本文运用了传统的基于概率统计的方法,选择了威布尔分布作为理论模型,并运用最小二乘法对其参数进行估计,建立了基于概率统计的预测模型,从而与分类预测模型进行对比。本文通过划分不同大小的时间窗口建立了不同的实验数据集,对本文建立的故障预测模型的性能进行了对比实验。实验结果表明:本文针对网络整体的预测策略较为理想,当时间窗口大于4小时,准确率和召回率可以达到70%左右;针对具体设备的故障预测结果较差,特别是故障出现次数较少的设备;分类预测模型比基于概率统计的预测模型具有更好的预测效果。