使用时间序列数据进行故障预测

时间:2018-07-31 22:21:10

标签: python pandas machine-learning time-series predictive

我正在使用Python和Pandas。我正在一个预测性维护项目中,我的意图是预测在给定时间段(例如4-6小时)内发生故障的可能性。我已经对数据进行了预处理,并将其简化为以下内容: 数据集具有4个属性,即开始时间,结束时间,事件持续时间(这是开始时间与结束时间之差),第四个属性是失败或不失败的事件。 (1为失败,0为不失败) 示例数据如下:

START_TIME      END_TIME        DURATION_MINUTES    EVENT
2/15/2018 2:32  2/15/2018 2:32  0.566666667           0
2/15/2018 2:32  2/15/2018 2:33  0.916666667           0
2/15/2018 2:33  2/15/2018 2:33  0.116666667           1
2/15/2018 2:33  2/15/2018 2:35  1.283333333           0
2/15/2018 2:35  2/15/2018 2:35  0.083333333           0
2/15/2018 2:35  2/15/2018 2:35  0.166666667           0
2/15/2018 2:35  2/15/2018 2:35  0                     0

我大约有120000个数据实例。有人可以让我知道如何可视化并预测在任何给定的一天(4小时的时间范围)内发生故障(EVENT = 1)的概率

1 个答案:

答案 0 :(得分:-3)

神经网络和一些深度学习应该成为算法上的路线