分析でセンサー データを使用する方法化学プロセス産業では、多くのセンサー データ (流量、レベル、圧力、温度など) が取得されます。 このデータは、時系列の非定常データとして説明できます。 典型的なパターンを見ると、単調な進化 (ファウリングなど) を見ると、特定の傾向パターン (季節性なし、またはほとんど = 夏/冬または昼/夜) が見つかる場合があります。 ただし、多くの場合、候補機能は傾向パターンを示しません (機能がオペレーターによって補正のために使用されない限り)。特定の測定値で説明できる植物の問題がある場合、しばしば疑問が生じます: これを引き起こした他の (一連の) 変数はどれですか? PCA/LDA/ランダム フォレストなどのほとんどの分析ツールは、定常データに依存しています。 非定常状況を補正するために状態空間モデルを作成しようとするのは避けたいと思います。 別の方法として、二重指数平滑法を実行することもできますが、それは明確な傾向がある場合にのみ使用できます。
私の質問は、たとえば PCA などの分析に使用できるようにこのデータを変換する方法です (ウェーブレット PCA を使用しないでください)。
ありがとう！
分析Re: 分析でセンサー データを使用するにはどうすればよいですか?このwikiページに記載されているPCAを使用して分析できるように、多変量時系列データを変換する方法を尋ねていると思います主成分分析.
分析では、データが P 次元確率変数からサンプリングされ、N 個のサンプルがあることが想定されます。 分析では、サンプルの順序は重要ではありません。つまり、気にしません。 あなたの例では、静止しているかどうかは気にしません。 その間、サンプルの順序に意味があるようなデータを提供することを止めることはありません。 そして、順序を無視して別の角度からデータを見ることにしたとしても、それは無関係ではありません。 生データを投入してみて、結果から何を発見できるか、またはどのようなインスピレーションを得ることができるかを確認してください。 PCA の主な用途は次元削減です。たとえば、P 次元データから Q 次元データへの削減 (Q は P よりもはるかに小さい) です。 それによって、それが理にかなっている場合、ニーズに合わせてデータを変換しています。 さらに、差分を試したことについては言及していませんでした。 たぶん、あなたはそれを試して、その変化があなたにとって何かを意味するかどうかを確認する必要があります.
Re: 分析でセンサー データを使用するにはどうすればよいですか?残念ながら、私は JMP Pro を持っていません。
Re: 分析でセンサー データを使用するにはどうすればよいですか?JMP Pro にアクセスできますか? あなたが説明するシナリオは、Functional Data Explorer プラットフォームと関連するモデリング機能を使用するために作成されています。 これは、まさにこのトピックに関する私の以前の (私は退職した) 同僚の Tom Donelly によるプレゼンテーションへのリンクです。ストリーミングされたセンサー データのモデル化
