Model 用於預測冰箱的溫度數據

Question

我設置了一個傳感器，每 3 秒測量一次溫度數據。 我收集了 3 天的數據，在我的 csv 導出中有 60.000 行。 現在我想預測未來幾天。 在查看數據時，您已經可以看到顯示冰箱加熱和冷卻循環的“季節性”，所以我想預測應該不難。 我不太確定我的數據是否過於精細，是否應該進行某種欠采樣。 我考慮過使用季節性 ARIMA model 但我在選擇參數時遇到困難。 由於數據中的季節性非常明顯，是否有 model 更合適？ 請耐心等待我是機器學習的新手。

Answer 1

當目標是預測上升的溫度時，您可以預測較低和較高的峰值，即它們的高度和距離。 假設（簡化模型）之間的溫度變化是線性的，我們可以 model 每個完整的峰從溫度曲線的第一個下峰開始到下一個上峰再到下一個下峰。 所以一個完整的峰可以看作是我們很容易積分的三角形（計算它的面積+它下面的矩形的面積）。 現在可以通過對我們已經測量的多個完整峰值進行積分來完成估算。 通過重復此過程，我們現在可以對平均溫度進行線性回歸，並在斜率高於定義的閾值時發出警報。

由於這只能解決某種類型的錯誤，因此可以對上峰和下峰之間的平均距離執行相同的操作。 也就是說，將它們之間的時間取一定的時間，擬合一條曲線（線性回歸可能就足夠了），並在曲線的斜率表明距離太長時發出警報。

Answer 2

這是不可能完成的任務。 如果冰箱在不受干擾的情況下工作，那么圖表看起來總是一樣的。 例如，打開門、發生故障、外部條件發生重大變化可能會導致這種變化。 但是您無法預測此類事件。 相反，您可以嘗試警告在不久的將來出現問題的可能性，例如，基於平均溫度的持續升高。 這種情況可能表明冷卻系統存在泄漏。 順便問一下，您是否考慮過每 3 秒記錄一次溫度？ 這通常是不合理的，因為在這樣的時間間隔內，溫度在物理上不可能變化到可測量的程度。 在這種情況下，我們團隊通常將登錄間隔設置為 30 或 60 秒。 有時甚至更多。 取決於腔室的大小、空氣的循環方式、制冷機組的容積功率比等。