性能退化趋势预测总结
个人觉得性能退化趋势预测比寿命预测做出东西简单一点,但是找问题的话都是不简单的,说到找问题,这就要写文献综述了,写文献综述的意义是找到你要解决的问题;看到这里就会问如何写文献综述?https://zhuanlan.zhihu.com/p/53322770(很详细)。
性能退化趋势预测的关键步骤:
1. 衰退性能指标的建立
2. 预测模型的建立
说白了预测模型就是拟合,不同的模型拟合程度不一样,重点是衰退指标的建立,衰退指标建立又和统计特征有关(时域、频域、时频域、三角函数等)。
衰退指标建立方法
在这里我就列一部份:
线性降维方法:
PCA,LDA等
非线性降维方法:
流行学习(LLE,IOSMAP等)。
分类算法:
SOM(自组织神经网络),SVDD(支持向量数据域描述),HMM(隐马尔可夫模型),FCM(模糊C均值理论)
预测模型
1.统计学模型:自回归模型,移动平均模型,自回归移动平均模型,差分自回归移动平均模型,季节性差分自回归移动平均模型。
2. 传统机器学习:SVM,由SVM发展的LSSVM等一系列模型;
3.深度学习:(循环神经网络等一系列变体(LSTM,GRU等等))
预测模型
评价指标:
MAE(平均绝对误差)
MSE(均方误差)
MAPE(平均绝对百分比误差)
均方根误差(RMSE)
总结
这篇文章是我研究方向的方法,总结了自己研究上的做法。后面会写一些原理和代码,记录自己的学习生活,加油!