工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结

获取工业大数据途径

  • Retrospective Study(回溯性研究):完全依赖于现有的历史数据,去数据挖掘、学习和建模;
  • Observational Study(观察性研究):在一段时间内观察要研究的工业过程,微调相关的控制参数,看系统反应,捜集相关数据;
  • Designed Experiments(设计实验):有目的,有计划的改变所要研究的工业过程或者系统的控制变量,捜集数据,推断各个因素之间的关系,以期全面掌握系统的特性;

预测建模的经典方法

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第1张图片

交叉融合:机理及物理模型、结构因果关系、因果图模型、统计模型。

经典数据挖掘、预测建模流程

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第2张图片

CRISP-DM(Cross-Industry Standard Process for Data Mining)是欧盟1999年起草的跨行业数据挖局额标准流程。22年工业界和学术界基本都采纳了CPISP-DM,对于数据挖掘流程的创新研究较少。

组织学习和知识创造流程

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第3张图片

数据驱动的知识创造过程

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第4张图片

提高泛化能力的生产工艺

  • 简单原则(奥坎姆剃刀原则)
  • 同时训练多个模型和组装模型
  • 机理融入到数据建模
  • 特征变换与选择
  • 数据预处理
  • 模型/数据切割

提高自适应能力的工艺流程

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第5张图片

模型的维护保养

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第6张图片

风机叶片结冰故障预测示例

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第7张图片

以上数据通过以下方式剔除:
工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第8张图片

强规则过滤

天过热,风速过大时不结冰(所以可以剔除)
工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第9张图片

数据分割

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第10张图片

算法选择

工业大数据收集及预测建模方法(南京大学-宋哲博士分享)- 个人总结_第11张图片

你可能感兴趣的:(人工智能之数据与语言,大数据,数据挖掘,人工智能)