عملکرد مدلها
سه مدل، یک تصویر کامل
ارزیابی روی دادهی آزمون جداشده بر اساس زمان (time-based split) برای جلوگیری از نشت اطلاعات. برای LSTM، عمر باقیمانده در سه بازه دستهبندی شده است.
Random Forest · Classification · v3.2
طبقهبندی نوع خرابی
۴۸ ویژگی: RMS، کورتوسیس، FFT باند ۱x/۲x، دما، فشار، جریان
آخرین آموزش: ۲۳ آبان ۱۴۰۵
۱۸۴٬۳۲۰ نمونهی آموزشی
Accuracy
۹۴٫۲٪
Precision
۹۱٫۸٪
Recall
۸۹٫۶٪
F1
۹۰٫۷٪
ماتریس درهمریختگی · سطر: واقعی، ستون: پیشبینی
منحنی ROC · AUC = ۰٫۹۷۱
LSTM · Regression (RUL) · v2.1
پیشبینی عمر باقیمانده
پنجرهی ۷۲ گام × ۴ سنسور · MAE: ۴٫۲ روز · RMSE: ۶٫۸ روز
آخرین آموزش: ۲۰ آبان ۱۴۰۵
۹۶٬۰۰۰ نمونهی آموزشی
Accuracy
۸۸٫۷٪
Precision
۸۷٫۲٪
Recall
۸۶٫۱٪
F1
۸۶٫۶٪
ماتریس درهمریختگی · سطر: واقعی، ستون: پیشبینی
منحنی ROC · AUC = ۰٫۹۳۴
Isolation Forest · Anomaly Detection · v1.6
تشخیص رفتار غیرعادی
۲۰۰ درخت · contamination=0.03 · ویژگیهای آماری پنجرهی ۱ ساعته
آخرین آموزش: ۲۵ آبان ۱۴۰۵
۲۵۰٬۰۰۰ نمونهی آموزشی
Accuracy
۹۶٫۱٪
Precision
۸۷٫۴٪
Recall
۹۱٫۲٪
F1
۸۹٫۳٪
ماتریس درهمریختگی · سطر: واقعی، ستون: پیشبینی
منحنی ROC · AUC = ۰٫۹۵۸