В me behsa pêşbîniya rêzikên demê kir. Berdewamek mentiqî dê bibe gotarek li ser tespîtkirina anomaliyan.
Serîlêdana
Tespîtkirina anomalî li deverên wekî:
1) Pêşbîniya têkçûna amûran
Bi vî awayî, di sala 2010 de, santrîfujên Îranê rastî êrişa vîrusa Stuxnetê hatin, ku amêran xiste ser xebata nebaş û hin ji wan amûran ji ber lêçûnbûna bilez seqet kirin.
Ger algorîtmayên tespîtkirina anomalî li ser amûrê bihata bikar anîn, dikaribû ji rewşa têkçûnê dûr bihata.
Lêgerîna anomalî di xebata amûran de ne tenê di pîşesaziya nukleer de, lê di heman demê de di metalurjî û xebata turbînên balafiran de jî tê bikar anîn. Û li deverên din ên ku karanîna teşhîsên pêşbînîkirî ji ber têkçûnek nediyar ji windahiyên gengaz erzantir e.
2) Pêşbîniya sextekariyê
Ger drav ji qerta ku hûn li Podolsk li Albanya bikar tînin were kişandin, dibe ku pêdivî be ku danûstandin bêtir bêne kontrol kirin.
3) Nasnameya qalibên xerîdar ên ne normal
Ger hin xerîdar behreyên nenormal nîşan bidin, dibe ku pirsgirêkek hebe ku hûn jê ne agahdar bin.
4) Nasnameya daxwaz û barê nenormal
Ger firotana li firotgehek FMCG dakeve binê navbera pêbaweriya pêşbîniyê, hêja ye ku sedema tiştê ku diqewime were dîtin.
Nêzîktêdayînên naskirina anomaliyan
1) Piştgiriya Makîneya Vektorê bi SVM-a Yek-Çînek Yek-Çîn
Dema ku daneyên di koma perwerdehiyê de dabeşek normal dişopînin guncan e, lê koma ceribandinê anomalî dihewîne.
Makîneya vektora piştevaniya yek-polî li dora eslê xwe rûberek nehêl çêdike. Mimkun e ku meriv sînorek qutkirî ya ku daneya anormal tê hesibandin were danîn.
Li ser bingeha ezmûna tîmê me DATA4, One-Class SVM algorîtmaya herî gelemperî ya ku ji bo çareserkirina pirsgirêka dîtina anomaliyan tê bikar anîn e.
2) Rêbaza daristanê îzole bike
Bi rêbaza "random" a çêkirina daran, emel dê di qonaxên destpêkê de bikeve pelan (li kûrahiyek piçûk a darê), ango. emeliyatan hêsantir e ku "veqetandin". Veqetandina nirxên anormal di dubareyên yekem ên algorîtmê de pêk tê.
3) Zerfa elîptîk û rêbazên statîstîkî
Dema ku dane bi gelemperî têne belav kirin tê bikar anîn. Pîvandin her ku nêzikî dûvika tevlêbûna belavkirinan be, nirx ew qas anormaltir dibe.
Rêbazên îstatîstîkî yên din jî dikarin di vê polê de cih bigirin.
Wêne ji dyakonov.org
4) Rêbazên metrîk
Rêbaz algorîtmayên wekî k-cîranên herî nêzîk, k-cîranê herî nêzîk, ABOD (teşhîskirina derveyî-bingeha goşeyê) an LOF (faktora derveyî ya herêmî) vedigirin.
Ger dûrahiya di navbera nirxên di taybetmendiyan de hevwate an normalîzekirî be (da ku di papaxan de pîvazek boa neyê pîvandin) maqûl e.
Algorîtmaya cîranên k-nêzîk texmîn dike ku nirxên normal li herêmek diyar a cîhê piralî ne, û dûrbûna anomaliyan dê ji hîperplana veqetandî mezintir be.
5) Rêbazên komê
Esasê rêbazên komê ev e ku heke nirxek ji çendek bêtir ji navendên komê dûr be, nirx dikare anormal were hesibandin.
Ya sereke ev e ku meriv algorîtmayek bikar bîne ku daneyên rast kom dike, ku bi peywira taybetî ve girêdayî ye.
6) Rêbaza pêkhateya sereke
Li cihê ku rêwerzên guherîna herî mezin di belavbûnê de têne xuyang kirin guncan e.
7) Algorîtmayên li ser bingeha pêşbînkirina rêzikên demê
Fikir ev e ku heke nirxek ji navbera pêbaweriya pêşbîniyê derkeve, nirx anormal tê hesibandin. Ji bo pêşbînkirina rêzek dem, algorîtmayên wekî sêalîkirina sêalî, S(ARIMA), zêdekirin û hwd têne bikar anîn.
Algorîtmayên pêşbînkirina rêzikên demê di gotara berê de hatin nîqaş kirin.
8) Fêrbûna bi çavdêrî (vegerandin, dabeşkirin)
Ger dane destûr bide, em algorîtmayên ku ji paşveçûna xêzik heya torên dûbare vedigirin bikar tînin. Werin em cûdahiya di navbera pêşbîniyê û nirxa rastîn de bipîvin, û encamek derxînin ka heya çi radeyê dane ji normê vediqetin. Girîng e ku algorîtma xwedan şiyana giştîkirina têra xwe be û ku koma perwerdehiyê nirxên anormal nehewîne.
9) testên Model
Werin em pirsgirêka lêgerîna anomaliyan wekî pirsgirêkek lêgerîna pêşniyaran nêzîk bikin. Werin em matrixa taybetmendiya xwe bi karanîna makîneyên SVD an faktorîzasyonê veqetînin, û nirxên di matrixa nû de ku ji yên orîjînal bi girîngî cûda ne wekî anormal bigirin.
Wêne ji dyakonov.org
encamê
Di vê gotarê de, me nêzîkatiyên sereke yên tespîtkirina anomalî nirxand.
Dîtina anomaliyan bi gelek awayan dikare wekî huner were gotin. Algorîtmek an nêzîkatiyek îdeal tune ku karanîna wan hemî pirsgirêkan çareser dike. Pir caran komek rêbazan ji bo çareserkirina dozek taybetî têne bikar anîn. Tespîtkirina anomalî bi karanîna makîneyên vektorê piştgirî-yek-polî, veqetandina daristanan, rêbazên metrîkî û komê, û her weha bi karanîna hêmanên bingehîn û pêşbînkirina rêzikên demê ve tête kirin.
Heke hûn rêbazên din dizanin, li ser wan di şîroveyên gotarê de binivîsin.
Source: www.habr.com