我要做一個研究項目,它涉及使用從傳感器獲得的時間數據預測發動機即將發生故障。數據基本上包含了多個月每10分鐘一次的各種嵌入式傳感器的讀數。這些數據可用於大約100個左右的不同單位(全部是相同的發動機型號)以及故障時間。使用機器學習從傳感器數據中預測故障
雖然我對機器學習有很好的理解,但我對此感到失望。我完成了一些涉及靜態數據集(使用SVM,神經網絡,Logistic迴歸等)的項目,甚至還有一些項目涉及預測時間序列。但是這是完全不同的。雖然該項目涉及時間數據,但這並不是預測未來價值的問題。相反,它是連續時間數據異常檢測的一種情況。
請你能給我一些想法,我怎麼可以接近它? 我對神經網絡/深度學習特別感興趣,因此任何有關將它們用於此任務的想法也將受到歡迎。我寧願使用Python或R,但如果它特別適合這種任務,我會公開使用其他的東西。 你也可以給我一些正式的術語,我可以用它來搜索相關的文獻嗎?
感謝
只是一個想法:如何使用神經網絡對時間* t *上的一組傳感器數據進行分類,以確定發動機在時間* t + d *之前是否會失效一些(預定的)時間間隔* d *? – beaker 2014-09-12 18:29:20
@beaker是的,這將是完美的,但我如何解決這個問題?像什麼神經網絡使用?我如何讓神經網絡學習不同的傳感器數據流,然後指出在接下來的一個小時左右發生故障的機率很高?你知道任何解決這個問題的論文或文章或教程嗎? 我遇到的主要問題是我無法分類它是什麼樣的問題。它當然不是一個靜態異常問題,也不是一個時間序列預測問題。謝謝 – user3046045 2014-09-12 20:26:30
@ user3046045您是否找到針對您的問題的解決方案。請分享。 – 2016-08-19 06:31:37