3 个月前

基于ARIMA模型的在线预测与异常检测

基于ARIMA模型的在线预测与异常检测

摘要

实时诊断复杂技术系统(如发电厂)对于维持系统正常运行至关重要。理想的诊断系统应能提前检测出任何故障,并预测技术系统的未来状态,因此在诊断过程中广泛采用预测算法。本文提出一种基于自回归积分滑动平均模型(ARIMA)的新型计算简单算法,用于解决异常检测与预测问题。在大量数值实验中,所提算法在异常检测与预测任务中均表现出优异性能。此外,本文还介绍了包含该算法的自回归积分滑动平均故障检测(ARIMAFD)算法库的详细说明。实证结果表明,该算法具有高效性,可直接应用于实际诊断系统中的异常检测及技术参数预测问题。

基准测试

基准方法指标
anomaly-detection-on-numenta-anomalyARIMA AD
NAB score: 65.03

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于ARIMA模型的在线预测与异常检测 | 论文 | HyperAI超神经