面向海底工程异常检测的有监督时间序列分类
机器学习
2024-03-14 v1 动力系统
摘要
时间序列分类在结构系统监测中具有重要意义。在这项工作中，我们研究了基于具有两种状态（完好和损坏）的物理系统的模拟数据，使用有监督机器学习分类算法。我们全面讨论了时间数据的预处理，使用了统计离散度量和降维技术。我们提出了一种直观的基线方法并讨论了其效率。最后，我们基于不同的性能指标对各种方法进行了比较，展示了使用机器学习技术作为决策工具的优越性。
引用
@article{arxiv.2403.08013,
title = {Supervised Time Series Classification for Anomaly Detection in Subsea Engineering},
author = {Ergys Çokaj and Halvor Snersrud Gustad and Andrea Leone and Per Thomas Moe and Lasse Moldestad},
journal= {arXiv preprint arXiv:2403.08013},
year = {2024}
}