代码之家 › 专栏 › 技术社区 › user1940350

变量随时间变化(趋势)的时间序列故障检测

anomaly-detection trend cluster-analysis machine-learning

0

user1940350 · 技术社区 · 8 年前

今天,我使用lstm和聚类技术来检测时间序列上的异常,但这些方法无法识别随时间缓慢恶化的异常(我认为这称为趋势分析),即机器温度在一个月内缓慢上升(lstm将了解此趋势,并在没有任何特殊错误的情况下预测增加)。有这样的方法来检测这种错误吗?

1 回复 | 直到 8 年前

1

Has QUIT--Anony-Mousse 8 年前

时间序列通常是你想要的:学习渐变,检测突变。否则,时间起不了什么作用。

例如,你可以尝试学习速度非常慢的SigniTrend模型(半衰期长或他们称之为什么。忽略那篇文章中的所有令牌、哈希和可伸缩性,只获取我真正喜欢的EWMA+EWMVar部分,并在你的时间序列上使用它)。

由于这种超级天真的方法无法学习,因此也不会随波逐流。但是,时间没有发挥任何进一步的作用。

推荐文章

Tekimoto · 使用pyclustering使用自定义距离函数对用户评级进行聚类

2 年前

statnet22 · 在分类问题中,是否存在重新标记聚类的R函数?

2 年前

Md Farhad Mokter · 若集群的数量不等于基本事实标签,我该如何评估集群性能?

3 年前