时序数据集---SMAP&MSL

最新推荐文章于 2025-05-07 10:39:57 发布
最新推荐文章于 2025-05-07 10:39:57 发布
阅读量4.6k 收藏 13
点赞数 13
分类专栏： 数据库 文章标签： 数据集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_25368751/article/details/137837938
版权

数据集简介

SMAP和MSL是来自NASA的两个公开的真实世界专家标记数据集。每个数据集包含一个训练集和一个测试集，测试集中的异常被标记。它们分别包含27个和55个实体的数据，每个实体分别由55个和25个度量(变量)监视。

数据文件说明

labeled_anomalies：数据处理和两个航天器数据分离依靠此文件。

chan_id: 对应于train和test中对应名字的numpy文件。（对应实体）

spacecraft：chan_id所归属的SMAP或MSL。

anomaly_sequence：对应test中chan_id文件中的index为此范围的为异常序列。

class：有两种异常，point和contextual，前者点异常，后者是整体变化趋势异常。

num_values: 对应chan_id的test文件的时间戳数量。

train：训练集

test：测试集

其中训练集无标签，测试集有标签。

数据集分享

链接：https://pan.baidu.com/s/1g-kT5oHinopEOhK34m1pgQ 

提取码：iotg 

--来自百度网盘超级会员V6的分享

GEE训练教程 ：使用NASA 的 SMAP 数据集来计算特定区域的垂直亮温（Brightness Temperature）
此星光明博客
03-08 92
在本博客中，我们将使用 Google Earth Engine (GEE) 来计算特定区域的垂直亮温（Brightness Temperature）。我们将利用 NASA 的 SMAP 数据集，并在地图上进行可视化。以下是详细步骤和代码解释。首先，我们需要定义一个点的地理位置，这里以瑞士的某个地点为例： 2. 获取城市边界 接下来，我们可以使用城市边界数据来限制我们的分析区域： ee.FeatureCollection：获取城市边界的特征集合。 filterBounds(geometry)：仅选择与指定几
SMAP
03-18
小号充足马tching进行大规模大的P roteomics（SMAP） 一种基于一致性和特异性得分的组合来验证和纠正样品身份的管道。 SMAP首先使用蛋白质组学方法从基于多重等压标记的定量蛋白质组学数据中检测变异体肽，然后根据变异体肽的表达水平推断每个样品的等位基因信息。 强调 使用突变肽获得肽的染色体和起始位置 使用肽段的染色体和起始位置提取相应文件中的相应参考肽段 从参考肽和突变肽的数量结果文件中提取定量数据。 性别信息不是必需的，但具有基于遗传的性别和报告的性别都将有助于识别真实的ID。 软件需求 Linux操作系统 开始吧 用户可以使用以下脚本来检测和更正样本。 perlpipeline.pl> result.txt 输入文件示例 SNP和蛋白质数据库 基于人类参考基因组（hg19）基因组组装，使用基因组注释工具ANNOVAR（Wang等，2010）重新注释变体数据。 通过
读取smap数据.zip
04-23
通过python对smap nc 文件中经纬度、盐度、时间进行读取，并去除异常值
超全必看！开源时间序列数据集整理
热门推荐
AI蜗牛车
03-02 1万+
前言数据是驱动科技发展的源泉，平时我们科研中也经常需要在各种开源数据上验证自己模型的效果。那时间序列目前可以使用的开源数据集有哪些呢？本期为大家做一次较为全面的整理汇总。UCR Time ...
用于时间序列异常检测的公共数据集
weixin_45290352的博客
08-06 4445
这里我总结了一些公开可用的时间序列异常检测数据集。
SMAP数据产品介绍与下载方法
weixin_33949359的博客
05-19 6378
1 SMAP（Soil Moisture Active and Passive）数据介绍 SMAP baseline science data products在下面的表格中展示，这些数据产品可以从两个NASA设计的数据中心下载, Alaska Satellite Facility (ASF) and National Snow and Ice Data Center (NSIDC). ASF专...
时间序列数据集（UCR）
03-12
时间序列界的“Imagnet”，发文章必跑数据集。大约有128个数据集，如ECG5000，GunPoint，coffee等数据集 相比于2015版有了大量更新，2018年秋季：该数据资源的早期工作由NSF职业奖0237918资助，并通过NSF IIS-1161997 II和NSF IIS 1510741资助。
【时序数据库】时序数据库介绍
weixin_30539625的博客
06-05 1737
1.基本概念 时序数据库（Time Series Database）是用于存储和管理时间序列数据的专业化数据库。时序数据库特别适用于物联网设备监控和互联网业务监控场景。 下面介绍下时序数据库的一些基本概念（不同的时序数据库称呼略有不同）。 1.1 度量（metric） 监测数据的指标，例如风力和温度。相当于关系型数据库中的table。 1.2标签（tag） 指标项监测针对的具体对象，...
UCR时序数据集
05-07
本资源为最新UCR时序数据集，包括128个时序数据。时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列。在同一数据列中的各个数据必须是同口径的，要求具有可比性。时序数据可以是时期数，也可以时点数。时间序列分析的目的是通过找出样本内时间序列的统计特性和发展规律性，构建时间序列模型，进行样本外预测。最新的主要更新，2018年秋季：该数据资源的早期工作由NSF职业奖0237918资助，并通过NSF IIS-1161997 II和NSF IIS 1510741资助。
时序数据集获取（分类、预测）
发
10-15 872
时序数据集获取（分类、预测） 数据范围所涉较广 UCR Time Series Classification Archive 分类数据集 http://www.timeseriesclassification.com/dataset.php添加链接描述
Pandas时序数据分析实践—时序数据集
肖永威的专栏
08-02 1515
通过简洁明了且高效的案例，我们能够初步领略到Pandas的强大功能。在示例中，我们展示了如何读取数据、构建时序数据集、进行数据分析以及将分析结果进行可视化。整个过程代码量非常少，使得操作简便易行。
适用于MATLAB的几个多变量时序数据集
01-02
MATLAB格式的几个常用多变量时序数据集，可以用于分类或者聚类研究。包括ArabicDigits、AUSLAN、CharacterTrajectories、CMUsubject16、ECG、JapaneseVowels、KickvsPunch、Libras、NetFlow、UWave、Wafer、WalkvsRun。数据集来自Mustafa Gokce Baydogan. Multivariate Time Series Classification Datasets.
异常检测算法分类总结（含常用开源数据集）
Sharon0408的博客
11-23 5469
异常检测是识别与正常数据不同的数据，与预期行为差异大的数据。本文详细介绍了异常检测的应用领域以及总结梳理了异常检测的算法模型分类。文章最后更是介绍了常用的异常算法数据集。
Anomaly-Transformer 代码复现
03-30
- 下载数据集（如SMAP/MSL）到`./dataset`目录 - 目录结构示例： ``` dataset/ SMAP/ test_label.json train.csv test.csv ``` 4. **关键代码结构解析** ```python # 模型定义核心片段（model/...
论文笔记：基于图注意力网络的多变量时间序列异常检测Multivariate Time-series Anomaly Detection via Graph Attention Network
qq_41105449的博客
11-02 7296
Multivariate Time-series Anomaly Detection via Graph Attention Network是来自ICDM2020的文章，基于图注意力网络的多变量时间序列异常检测。
Disentangled Anomaly Detection For Multivariate Time Series
weixin_45731480的博客
09-08 1295
旨在识别异常模式的时间序列异常检测最近引起了很多关注。然而，异常数据和正常数据的表示很难区分，因为它们通常是纠缠在一起的。近年来，基于变分自动编码器（VAE）的解纠缠理论在机器学习中展现出了巨大的潜力，并在计算机视觉和自然语言处理方面取得了巨大的成功。在本文中，我们提出了一种新颖的解缠结异常检测方法，该方法采用基于 VAE 的解缠结网络进行多元时间序列中的异常检测。所提出的方法在连续表示空间中学习高质量的解纠缠潜在因子，以方便从正常数据中识别异常。
使用LSTM和非参数动态阈值检测航天器异常
4. **SMAP和MSL数据集**：论文使用了SMAP卫星和'好奇号'漫游者的真实异常遥测数据，这些数据被专家标记，为模型训练和评估提供了真实世界的场景。 5. **异常检测系统的改进**：除了LSTM模型，作者还讨论了在SMAP...
GEE教程——使用 NASA 的 SMAP 数据集计算特定区域的水平亮温（Brightness Temperature），并在地图上进行可视化
最新发布
此星光明博客
05-07 45
GEE教程——使用 NASA 的 SMAP 数据集计算特定区域的水平亮温（Brightness Temperature），并在地图上进行可视化在本博客中，我们将使用 Google Earth Engine (GEE) 来计算特定区域的水平亮温（Brightness Temperature）。我们将使用 NASA 的 SMAP 数据集，并在地图上进行可视化。以下是详细步骤和代码解释。首先，我们需要定义一个点的地理位置，这里以瑞士的某个地点为例： 2. 获取城市边界 接下来，我们可以使用城市边界数据来限制我们的
时间序列数据集——可用于预测和分类
观则明的博客
11-16 3572
PM2.5 数据集①是 2013 年 3 月 1 日到 2017 年 2 月 28 日北京多站点空气质量数据集，采样频率为 1 小时，实例数 420768，特征属性数量为 18。属性包括了年份、月份、日期、小时、PM2.5、PM10、SO2、NO2、CO、O3、露点温度、降水量、温度、压力、组合风向、累计风速等。UCI数据集是由加州大学欧文分校维护的用于机器学习的数据库。官方网站收集了622个数据集，可用于时间序列预测、数据分类回归等多种任务，包含交通流量、电力、生物、空气质量、互联网等等各个方面的数据。
SMAP和MSL数据集
03-08
### SMAP 和 MSL 数据集概述 #### SMAP 数据集介绍 SMAP (Soil Moisture Active and Passive) 是由美国宇航局(NASA) 发布的一个用于土壤湿度测量的任务，其数据产品不仅限于土壤湿度还包括其他地球科学参数。该数据集广泛应用于气象学、水文学等领域研究中[^1]。 对于希望获取这些宝贵资源的研究人员来说，可以通过访问NSIDC官方网站并按照指引完成账户创建流程后，在线浏览及下载所需资料[^5]。为了方便科研工作者更高效地利用这些数据，官方还提供了多种工具支持，比如Panoply可视化软件以及一系列Python笔记本实例教程来帮助用户理解和分析数据特性[^3]。 #### MSL 数据集介绍 MSL(Machine Sound Labeling)，同样是源自NASA的一项重要成果之一，专注于机器声音识别领域内的异常检测任务。此集合内含大量工业设备运行期间产生的声纹记录片段，并附带详尽标注信息以便后续深入探究模式识别算法性能评估等问题[^4]。 值得注意的是，尽管两者名称相似但实际上属于完全不同的应用范畴；前者聚焦自然环境监测而后者则偏向工程维护预警方面的工作需求差异明显。 #### 下载指南 针对上述两类不同性质的数据源，具体的取得方式也有所区别： - **SMAP**: 用户需前往指定链接注册账号并通过身份验证成为合法使用者之后才能获得授权访问权限。接着依照提示操作直至成功提取目标文件夹内容为止。 - **MSL**: 提供了一键式自动化脚本解决方案简化整个过程复杂度——只需执行几条简单的命令行指令就能轻松搞定全部准备工作，极大提高了工作效率的同时降低了人为失误风险[^2]。 ```bash wget https://s3-us-west-2.amazonaws.com/telemanom/data.zip && unzip data.zip && rm data.zip cd data && wget https://raw.githubusercontent.com/khundman/telemanom/master/labeled_anomalies.csv ``` #### 使用方法 无论是哪种类型的时空序列型态，都建议初学者从以下几个角度入手探索： - 利用开源库Pandas加载CSV格式文档入内存作为DataFrame对象便于进一步加工处理； - 借助Matplotlib或Seaborn绘制图表直观展现特征分布规律辅助理解内在联系； - 尝试调用Scikit-Learn内置函数实现基本统计描述计算如均值方差等指标衡量整体水平状况； - 探索更多高级建模技巧例如ARIMA时间预测模型构建长期趋势预估框架等等。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

末世灯光

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值