題目描述
推動生產企業高質量發展，最根本的底線是保證安全、防范風險，而生產程序中產生的資料能夠實時反映潛在的風險，附件1為某生產企業某日00:00:00-22:59:59由生產區域的儀器設備記錄的時間序列資料（已經進行資料脫敏），本題未給出資料的具體名稱，這些資料可能是溫度、濃度、壓力等與安全密切相關的資料，
請依據附件1資料，建立數學模型，完成以下問題：
問題1：
附件1所給出的資料都可能存在波動，且所有波動都在安全值范圍內，有些波動可能是正常性波動，例如隨著外界溫度或者產量變化的波動，或者可能是傳感器誤報，這些波動具有規律性、獨立性、偶發性等特點，并不能產生安全風險，我們視為非風險性例外，不需要人為干預；有些波動具有持續性、聯動性等特點，這些例外性波動的出現是生產程序中的不穩定因素造成的，預示著可能存在安全隱患，我們視為風險性例外，需要人為干預、分析和評定風險等級，請建立數學模型，給出判定非風險性例外資料和風險性例外資料的方法，
問題2：
結合問題1的結果，建立數學模型，給出風險性例外資料例外程度的量化評價方法，要求使用百分制（0-100分）對每個時刻資料例外程度進行評價（分值越高表示例外程度越高），應用所建立的模型和附件1的資料，找到資料中例外分值最高的5個時刻及這5個時刻對應的例外傳感器編號（每個時刻只填寫5個例外程度最高的傳感器編號，例外傳感器不足5個則無需填滿；如果得分為0，可以不用填寫例外傳感器編號），并給出數學模型對所得結果進行評價，
思路
經典的例外分析問題，例外資料一般可以用機器學習的方法做，常用的聚類
kmeans
dbscan
決策樹
孤立深林
LSTM
以上模型都可以套用進來
需要思路的同學，進 – 群
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/282245.html
標籤：AI