python - 如何使用 ML 验证时间序列的正确形状

Question

我需要根据温度传感器的读数及时验证加热/冷却循环的正确性。

正确的时间序列具有一定的形状（起起落落的次数），持续或多或少相同的时间量，并且具有在循环期间需要满足的一定的最高温度。

通常，当它被及时压缩或挤压时，该过程是错误的。峰值温度太低，或者加热/冷却包络线通常被弄乱了。在上面的图片中，我发布了一个正确和错误的流程循环的简化示例。

您会为监督学习模型推荐什么分类器？是否有可能为这种情况开发无监督模型？

我目前正在使用 1 个主典型正确循环与测试循环的最大值温度和互相关计算，但我想知道是否有更好更通用的方法来解决这个问题。

标签： pythonmachine-learningtime-series

Answer 1

恕我直言，机器学习过度设计了这个问题，对我来说，一些条带和计数峰值似乎是更容易的方法。

尽管如此，如果您想要机器学习，我会使用自动编码器进行异常检测，可以在此处或此处找到示例。

Tl/dr：这个想法是一个自动编码器通过一个非常小的瓶颈（即一个值，可能是相位）重建输入，因此任何当前点都会构建一个好看的曲线。然后将其与实际曲线进行比较。如果它适合一切是好的，如果它不你知道有些事情是不对的。