高精度時序分析工具PP-TSv2！一站式解決多場景任務

2023-12-01 11:42 作者:飛槳PaddlePaddle 0人讀過 | 我要投稿

時間序列數(shù)據(jù)在各行業(yè)和領域中無處不在，如物聯(lián)網(wǎng)傳感器的測量結果、每小時的銷售額業(yè)績、金融領域的股票價格等等，都是時間序列數(shù)據(jù)的例子。在復雜時序預測場景下，

長時序、多變量、非平穩(wěn)

等特性嚴重影響模型的精度。如何高效地選擇任務場景下最合適的模型，并獲得最佳的結果呢？PaddleX推出了

多任務場景自適應尋優(yōu)的高精度時序分析工具——PP-TSv2

，覆蓋了時序預測和異常檢測兩大常見任務，支持了更多的時序任務場景。在沒有額外數(shù)據(jù)的條件下，實現(xiàn)無痛漲點。

該工具有以下幾個特點，如果正合您的需求，歡迎使用！

場景豐富：

支持

時序預測

和

時序異常檢測

兩大通用任務。時序預測能夠準確識別數(shù)據(jù)中的趨勢和周期性變化，通過全面的數(shù)據(jù)洞察，提前預測未來趨勢，從而做出更加明智的決策。時序異常檢測能在第一時間發(fā)現(xiàn)數(shù)據(jù)中的異常波動，通過實時預警，迅速應對潛在問題，確保設備的穩(wěn)定運行。在用電負荷預測、預測性維護、能耗分析、交通流量預估等場景中有重要應用價值。

精準度高：

為處理復雜、多變的時序數(shù)據(jù)而設計，可在多種場景中實現(xiàn)

自適應尋優(yōu)

，獲得高精度的結果。時序預測任務，在電力場景預測誤差降低了

20%

以上；時序異常檢測，在設備異常監(jiān)控場景相同精度下，召回提升約

5%

。

便捷開發(fā)：

簡單點擊UI界面即可完成時序數(shù)據(jù)的去重、格式轉(zhuǎn)化、數(shù)據(jù)劃分等預處理操作，進行高精度的自定義訓練，

研發(fā)成本低

。

一鍵部署：

一鍵獲取PP-TSv2

離線部署

和

服務化部署SDK

，助力企業(yè)快速工程落地。

立即在線體驗：

https://aistudio.baidu.com/projectdetail/paddlex/7044307

效果展示

用電負荷預測

用電負荷受新能源間歇性、波動性等特征影響愈加明顯，僅依靠人工經(jīng)驗進行負荷預測，難度越來越大，為了實現(xiàn)電力供需平衡和安全保供，對預測精度要求也越來越高。

該工具在真實場景數(shù)據(jù)下進行了驗證，相比前沿模型，預測誤差降低20%以上。

備注：mse為均方誤差，mae為絕對誤差，下同。

交通流量預測

高速公路的交通擁堵問題對于經(jīng)濟和社會的發(fā)展存在著諸多負面影響，如何有效緩解交通擁堵成為各方關注的問題。通過時序預測，能夠準確的預測未來一段時間某地區(qū)的車流量，進而判斷擁堵程度和提前進行路線規(guī)劃。

在該場景下進行驗證，該工具相比前沿模型，預測誤差降低12%以上。

設備異常檢測

隨著技術的發(fā)展，設備運行數(shù)據(jù)、生產(chǎn)研發(fā)數(shù)據(jù)都在快速增加，傳統(tǒng)的統(tǒng)計分析已經(jīng)無法滿足精度的要求。因此，需要采用深度學習的方法來幫助設備進行監(jiān)控和故障預警，以避免因為設備問題發(fā)生停產(chǎn)停工與安全事故等情況。在時序異常檢測任務中，使用該工具對傳感器獲取的設備監(jiān)控時序數(shù)據(jù)進行分析，第一時間發(fā)現(xiàn)數(shù)據(jù)中的異常波動。

與其他前沿異常檢測模型相比，在相同的90%精度下，該工具召回率提升5%，能夠準確識別出更多的潛在設備故障。

技術思路

PP-TSv2工具基于啟發(fā)式搜索的方法，能夠針對不同的場景任務高效地選擇不同的算法模型，進一步采用集成方法，通過對多個單預測模型的選擇和融合，從而達到更佳的預測表現(xiàn)。

為了讓PP-TSv2工具在不同任務上有較好的泛化性，PaddleX團隊在時序預測和異常檢測任務上分別進行了廣泛的針對性適配和調(diào)優(yōu)，算法細節(jié)都不盡相同。不僅如此，為了大家使用方便，我們發(fā)布的PP-TSv2工具通過簡單的界面切換即可輕松應對不同的任務，并且不同時序任務的工具箱交互上保持了使用方式上的統(tǒng)一。