预测性设备故障

恒定的PV f平面QG湍流（又称表面QG湍流）。 具有sin（2 * pi / L）射流基本状态的双周期几何。 参考： （第3节） 包括Ekman阻尼，回到平衡射流的线性热弛豫和超扩散。 光伏具有米/秒的单位。 按f * theta0 / g缩放以转换为温度。 具有四阶Runge Kutta时间步长的FFT频谱配置方法（使用2/3规则去混叠，对超扩散进行隐式处理）。 需要numpy（强烈建议使用pyfftw，netcdf4-python和matplotlib）。 在sqg_run.py运行模型并对解决方案进行动画处理的示例代码 要运行EnKF数据同化，请执行以下操作： 使用python setup.py install 。 首先运行sqg_run.py以生成自然运行。 然后运行sqg_enkf.py 。

C-MAPSS数据集是涡轮风扇发动机退化的模拟数据。这些数据是由美国宇航局使用商用模块化航空推进系统模拟(C-MAPSS)生成的。数据集包含21个传感器的多变量时间数据。有4个数据子集，FD00l、FD002、FD003和FD004，每个子集都有特定的运行条件和故障形式。每个数据子集都有一个训练集和一个测试集，训练集中记录的测量值是一直记录到发动机发生故障为止(run-tofailure实例)。而在测试集中，传感器记录值在故障前的某时刻终止，这样做的目的是为了预测该时刻的RUL。另外，还提供了测试数据集的真实剩余使用寿命（RUL）值。

参考资料：参见 K Vasudevan 所著的“数字通信和信号处理”一书中的第 2.7 节

这是一份调查报告，其中包括多个参考的摘要，以使您更好地理解该主题。 本文包括有关预测性维护的简要概述，并介绍了预测性维护的一些应用，同时也考虑了较早的研究，这些研究讨论了使用机器学习的多分类器方法进行预测性维护的各种方法。 预测性维护被引入各个行业和部门。 它有助于预测已经使用的机器设备的状况，从而告诉您是否需要维护。 与常规维护相比，在没有适当利用资源的情况下进行了不必要的更换，与定期维护相比，该技术可确保节省成本。 该技术的主要优点在于，它可以及时，方便地安排纠正性维护的时间，并可以防止意外的故障。 如果提前知道了那部分需要维护，我们可以相应地计划和工作。 这是连续的，模型或算法在使用过程中不断发展的迭代过程。

利用人工智能赋能制造业，人工智能可以大幅度提高制造企业的决策能力。人工智能可以大幅度提高制造企业的管理到位程度，保障各种规则与标准的有效落地。以往，在产品质量管理环节里，有许多完全依赖人工的工作量。

预测性财务信息化审核与财务知识分析.pptx

中国股市可预测性的稳健性检验.pdf

资本市场收益可预测性研究进展.pdf

XENTE-欺诈-仪表板 指向描述性，诊断性，预测性和规范性分析的完整项目； 参考使用Microsoft powerBI的智能仪表板