Прогнозирование отказов насосной станции с помощью машинного обучения без учителя
Автор: Канарский Вадим Андреевич
Рубрика: Управление сложными системами
Статья в выпуске: 4, 2022 года.
Бесплатный доступ
Машинное обучение лежит в основе многих инновационных технологий искусственного интеллекта. Внедрение программ на основе машинного обучения в производство позволяет предсказывать поломки промышленного оборудования, предотвращая огромные расходы на оперативное техническое обслуживание. На основе временных данных датчиков насосной станции исследована эффективность различных алгоритмов машинного обучения без учителя на базе библиотеки Scikit-Learn Python.
Машинное обучение без учителя, scikit-learn, прогностическое обслуживание, датчики, временные ряды, гауссовы смеси, локальный фактор выброса, изолирующий лес
Короткий адрес: https://sciup.org/148325190
IDR: 148325190 | DOI: 10.18137/RNU.V9187.22.04.P.62
Список литературы Прогнозирование отказов насосной станции с помощью машинного обучения без учителя
- Введение в анализ временных рядов: учебное пособие для вузов / Н.В. Артамонов, Е.А. Ивин, А.Н. Курбацкий, Д. Фантаццини; Московский государственный университет имени М.В. Ломоносова. Вологда: ВолНЦ РАН, 2021. 134 с. ISBN 978-5-93299-496-2.
- Мельников В. Предобработка данных на Python [Электронный ресурс] / NTA . Data Science и AI в аудите. URL : https://newtechaudit.ru/predobrabotka-dannyh-na-python/ (дата обращения 15.07.2022)
- Aurélien G. Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow: монография. O’Reilly, 2019. 483 с.
- Bauyrjan J. Anomaly Detection in Time Series Sensor Data. Available at: https://towardsdatascience.com/anomaly-detection-in-time-series-sensor-data-86fd52e62538 (date of the application: 24.05.2022).
- Christopher B. Time Series Analysis (TSA ) in Python – Linear Modelsto GARCH . Available at: https://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016 (date of the application: 03.09.2022).
- Jayaswal V. Local Outlier Factor (LOF ) – Algorithm for outlier identification. Available at: https://towardsdatascience.com/local-outlier-factor-lof-algorithm-for-outlier-identification-8efb887d9843 (date of the application: 18.09.2022).
- Kagumire S. Anomaly Detection with Machine Learning. Available at: https://medium.com/mlearning-ai/anomaly-detection-with-machine-learning-8fa942fb5adc (date of the application: 30.07.2022).
- Pump_sensor_data. Kaggle. URL : https://www.kaggle.com/datasets/nphantawee/pump-sensordata (дата обращения: 07.06.2022)
- sklearn.ensemble.IsolationForest. Scikit-learn Machine Learning in Python. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.IsolationForest.html (date of the application: 07.09.2022).
- sklearn.mixture. Gaussian Mixture. Scikit-learn Machine Learning in Python. Available at:
- https://scikit-learn.org/stable/modules/generated/sklearn.mixture. Gaussian Mixture.html#sklearn.mixture. Gaussian Mixture (date of the application: 24.08.2022).
