工业机器生产振动预测的时间序列预测?

数据挖掘 机器学习 Python 预言 预测
2022-03-11 12:32:50

我正在从事与工业机器相关的机器学习项目。该项目的目标是建立一个模型,该模型能够预测机器在线圈生产时的振动。特别是:机器启动,模型经过一段时间的预热(收集数据)可以预测未来的振动能量(生产结束)。数据集由许多传感器变量(速度、直径、加速度计等)、一些派生变量(线圈的厚度、长度等)组成,它还显示了振动能量的值(即模型必须预测未来)。所以这让我想到了一个监督模型。有许多不同长度的工作注册(大约 4000 个)可用。

我所做的第一项工作(在数据理解之后)是通过替换每个文件上的缺失值来清理数据,丢弃不一致的注册(技术人员给出了一些物理标准),最后我得到了一个减少的数据集。我已经将注册放在一起,对其进行规范化并将其提供给 PCA,以降低数据集的维数。也许现在我应该通过查看它们之间的相关性来消除一些冗余注册,然后重复 PCA。有算法可以做到吗?

现在我坚持要了解哪种模型可以很好地解决我的问题。我认为时间序列预测可能是一个不错的选择,但我不知道数据集是否与预测一致。鉴于我在 2 年的时间里有很多注册(每个 15-20 分钟),但由于制作经常中断,所以不是连续的。时间序列预测是一个不错的选择吗?

0个回答
没有发现任何回复~