• ВХОД

    •  

    Полное описание

    Применение методов статистического анализа и машинного обучения для поиска аномалий во временных рядах замеров параметров работы систем газоснабжения = Statistical analysis and machine learning methods in time series data anomaly detection in gas supply systems / Е. А. Песня, А. В. Арзуманова, И. А. Пятышев [и др.]. - Текст : непосредственный // Газовая промышленность : ежемесячный научно-технический и производственный журнал. - 2023. - N 10. - С. 112-123. - Библиогр. в конце ст. - ISSN 0016-5581.

    ГРНТИ УДК
    28.23.25004.85-049.8
    83.77.85311.216-049.8
    52.47622.279:004.8

    Рубрики:
    Машинное обучение -- Применение
    Статистический анализ -- Применение
    Искусственный интеллект -- Применение
    Нефтегазодобыча -- Автоматизация

    Кл.слова (ненормированные): методы машинного обучения -- методы статистического анализа -- прогнозирование -- аномалия -- временной ряд
    Аннотация: Анализ временнх рядов в целях обнаружения аномалий - наблюдений, выделяющихся среди данных временного ряда, - важный этап построения и использования цифровых моделей. Под аномалиями подразумеваются выбросы или ошибочные данные, а также значения, которые могут отражать резкое изменение поведения моделируемых объектов. Детекция аномалий во временных рядах позволяет обнаружить неисправность работы датчиков, ошибки ввода данных оператором, аппаратные искажения и сбои, изменение режима работы оборудования и другие подобные события. Предварительная очистка данных от выбросов, обработка аномальных и восстановление пропущенных значений в данных необходимы для применения методов машинного обучения и построения качественных моделей прогнозирования. В зависимости от исследуемого временного ряда применяются различные подходы к поиску аномалий. Одни из них связаны с использованием методов статистического анализа, другие основаны на моделях прогнозирования поведения временных рядов или аппроксимации данных всего ряда. Также для выявления аномалий применяются методы машинного обучения. В настоящее время разработано множество методов поиска аномалий в данных, бóльшая часть которых реализована в открытых программных пакетах. Однако не существует универсального, хорошо работающего для любого временного ряда, метода выявления аномалий. Его выбор требует привлечения эксперта, так как качество получаемых результатов во многом зависит от вида детектируемых аномалий. В работе систематизирована информация об аномалиях, предложены классификация методов их выявления и подходы к обработке во временных рядах. Приведены результаты апробации различных методов выявления аномалий на примере данных по содержанию метана в газе, поступающем с месторождения, и по газопотреблению в одном из регионов России.
    Доп. точки доступа:
    Песня, Е.А.
    Арзуманова, А.В.
    Пятышев, И.А.
    Горлов, Д.В.
    Белинский, Александр Вячеславович

    Экз-ры полностью 058da139d65dc72766916988d945992f/2023/10
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -623208-318922)

    Шифр в сводном ЭК: 7d55df4fbfc6b2d3baa07356769546e6




    Заказ фрагмента документа ₽