传感器融合:基于传感器数据分析生成虚拟传感器

Question

我有一台蒸汽机，装有下列感应器：

• 锅炉房温度传感器
• 采暖室温度传感器
• 锅炉房压力传感器
• 每分钟转速传感器，测量由蒸汽机驱动的车轮转速。

蒸汽机不测量的是锅炉的当前水位。时间序列数据存储在具有以下结构的csv文件中：

( temp_boiler )\x{e76f}\x{e76f}\x{e76f}*

在机器学习的帮助下，我想预测锅炉当前的水位。由于我对机器学习非常陌生，我不知道如何做到这一点。我知道我不能应用线性回归，因为它是一个时间序列数据，并且当前传感器值与以前的传感器值之间存在相关性。此外，我需要历史水位数据来进行线性回归。

那么有什么选择呢？我是否必须使用神经元网络，因为我没有任何水位值？(关键词:感应融合，虚拟传感器，软传感器)任何帮助都是非常感谢的！

编辑:由于线性回归不是一个选项，我想知道什么是替代方案。由于我是一个机器学习的新手，我想知道我可以使用哪些算法或策略来解决这个问题。我不是想要代码片段或类似的东西。只是一些输入，以便我可以解决这个问题！

Answer 1

这里的第一个要点是，你没有历史水位值。这些都是你用来教/训练任何有监督的模型的标签。没有标签，您只能使用无监督的方法。看看维基百科概览

您可以试着研究一些类似于集群的东西，例如k-均值，这将是相当快的。其他聚类算法(如DBSCAN)也很好，但是您的变量(温度和压力)可能不一定在输入空间( DBSCAN中的D)的密度上很好地聚类。

有一些无监督的神经网络方法，但这些方法涉及更多。自动编码器可能是一个很好的起点。

对特定模型进行在这里寻找更多的想法测试，例如去噪AutoEncoders，它可以使用递归组件(如LSTM)，可以很好地处理时间序列数据。