Con el rápido crecimiento de la escala de datos en los centros de datos, la alta fiabilidad del almacenamiento enfrenta diversos desafíos. Específicamente, las fallas de hardware, como los fallos en los discos, ocurren con frecuencia, causando serios problemas de disponibilidad del sistema. En este contexto, la predicción de fallos de hardware basada en tecnologías de IA y big data se ha convertido en un foco de investigación, con el objetivo de guiar al personal de operación y mantenimiento para implementar reemplazos preventivos a través de predicciones precisas que reduzcan las tasas de fallos de hardware. Sin embargo, los métodos existentes aún tienen debilidades en términos de precisión debido a los impactos de problemas de calidad de datos, como el desequilibrio de muestras. Este artículo propone un método de predicción de fallos en discos basado en el remuestreo de intensidad de clasificación, que llena la brecha entre el grado de desequilibrio de datos y la intensidad de clasificación real de la tarea al introducir un clasificador base para calcular la intensidad de clasificación, preservando así mejor las características de los datos del conjunto de datos original. Además, utilizando métodos de aprendizaje en conjunto como los bosques aleatorios, combinado con el remuestreo, se desarrolla un clasificador integrado para datos desequilibrados para mejorar aún más la precisión de la predicción. La verificación experimental muestra que, en comparación con los métodos tradicionales, el F1-score de la predicción de fallos en discos se mejora en un 6%, y el tiempo de entrenamiento del modelo también se reduce considerablemente. El método de predicción de fallos propuesto en este documento se ha aplicado a aproximadamente 80 unidades de disco y casi 40,000 discos en el entorno de producción del centro de datos de un gran banco para guiar los reemplazos preventivos. En comparación con los métodos tradicionales, el número de reemplazos preventivos basado en nuestro método ha disminuido aproximadamente en un 21%, mientras que la tasa general de fallos de discos se mantiene sin cambios, demostrando así la efectividad de nuestro método.