空间信息网是一种综合型的异构网络,应用领域广阔,具有十分重要的战略意义。但由于空间信息网通常处于恶劣或敌意环境,极容易受到干扰和破坏并且导致故障的频繁发生。从而导致网络服务质量下降。而在故障发生之前,往往会伴随一些特征信号或数据发展趋势预示故障的发生,如果能对这些数据信息进行有效的采集和判断,就可以达到对故障预测的效果。那么对于保障网络安全,可靠和持续运行具有重要的意义。提出一种基于粗糙集和误差反向神经网络的故障预测算法,算法分为数据采集,数据预测和故障预测三个模块。数据采集模块利用粗糙集理论建立决策表,并且通过分辨矩阵对决策表进行约简,最后通过对属性的客观评价来排除主观因素影响来得到对故障诊断更为精确的数据。数据预测模块首先利用灰色模型来对数据进行预测,但是预测出的数据与实际值有一定的偏差,利用误差反向神经网络对误差进行修正,把预测值作为输入,实际值作为输出训练网络,训练完成得到准确的预测数据。故障预测模块利用正常数据和故障数据作为神经网络的输入,故障类型作为输出来训练网络待误差精度满足要求训练完成。再将预测出的数据输入到已经训练好的网络中来达到整体对故障预测的目的。采用NS2网络模拟软件和Matlab对所提出的算法进行仿真,结果表明:算法能够准确的对故障进行诊断,并且通过预测的数据,达到了对故障进行预测的效果。