52phm简介

专注于工业智能预警系统研发，通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊，为机器设备健康运行保驾护航。网站正在不断建设和完善过程中，欢迎大家给予建议和参与社区建设

联系我们

投稿说明

52phm，专注于预测性维护知识学习和交流，欢迎广大从事预测性维护行业人员投稿，投稿请联系管理员(wx: www52phmcn)，投稿内容可以是：

学习笔记
技术理论
工程案例
行业资讯

加入我们

官方公众号：52phm，专注预测性维护的学习平台

2021-12-21 11:05:07 互联网 806 当前专栏：工业异常检测分类：算法开发本站官网：www.52phm.cn

公众号

突变点检测：Magnitude of trend之Sen's slope（python）

# Sen's slope

import numpy as np
from pandas import Series
from scipy.stats import norm


def sens_slope_trend_detection(inputdata,conf_level=0.95):
    inputdata = Series(inputdata)
    n  = inputdata.shape[0]
    t  = inputdata.value_counts()
    tadjs = sum(t * (t - 1) * (2 * t  5))
    varS = (n * (n - 1) * (2 * n  5) - tadjs)/18
    k = 0
    d = []
    for i in range(n-1):
        for j in range(i1,n):
            k = k1
            d.append((inputdata[j] - inputdata[i])/(j - i))
    b_sen = np.median(d)
    C = norm.ppf(1 - (1 - conf_level)/2) * np.sqrt(varS)
    rank_up = int(round((k  C)/2  1))
    rank_lo = int(round((k - C)/2))
    rank_d = sorted(d)
    lo = rank_d[rank_lo - 1]
    up = rank_d[rank_up - 1]
    S = 0
    for m in range(n):
        S = S  np.sum(np.sign(inputdata[m] - inputdata[0:m1]))
    sg = np.sign(S)
    z = sg * (np.abs(S) - 1)/np.sqrt(varS)
    pval = 2 * min(0.5, 1-norm.cdf(np.abs(z)))
    return b_sen,z,pval

测试结果如下：

这里写图片描述

原文链接：https://wanpingdou.blog.csdn.net/article/details/82109454

免责声明

[推荐] import numpy 报错：ModuleNotFoundError: No module named 'numpy.testing.nosetester'

2021-12-04 11:22:58 博客笔记 997 分类：开发环境专栏：bug

[推荐] 异常检测——ABOD（angle-based outlier detection）

2021-12-19 14:55:27 互联网 1050 分类：论文速递专栏：工业异常检测

[推荐] 突变点检测：Buishand U test突变点检测（python）

2021-12-21 11:07:15 互联网 668 分类：算法开发专栏：工业异常检测

转发此文章到社区

pip安装报错：ImportError: No module named 'pip'解决方法

pip安装报错：ImportError: No module named 'pip'，分享个人踩坑记录，并介绍了解决方法

2021-12-04 11:21:53 博客笔记 951 分类：开发环境专栏：未分组

ImportError: No module named ‘pip._internal‘解决方法

pip安装报错：ImportError: No module named 'pip._internal'，分享python安装模块的踩坑记录，希望能帮到各位解决bug

2021-12-04 11:22:03 博客笔记 1091 分类：开发环境专栏：bug

pip出现错误，ImportError: module 'pip' has no attribute 'main'

pip出现错误，ImportError: module 'pip' has no attribute 'main'下面介绍一个很好的解决方法，一般涉及到安装pip错误的时候，使用这个方法很有效果，本人亲测可行。其实主要思路就是重新从源地址下载pip的Python源代码，然后再通过这个py文件去安装pip。

2021-12-04 11:22:27 博客笔记 1133 分类：开发环境专栏：未分组

matplotlib更新报错：Consider using the `--user` option or check the permissions.

更新matplotlib报错：Consider using the `--user` option or check the permissions. 在一次更新matplotlib时，发生报错，报信信息以及解决方法总结如下1、报错信息因为matplotlib需要更新，在终端输入以下命令：

2021-12-04 11:22:38 博客笔记 681 分类：开发环境专栏：未分组

下载超时：pip.ReadTimeoutError:HTTPSConnectionPool: Read timed out.

下载超时：pip.ReadTimeoutError:HTTPSConnectionPool: Read timed out.报错信息在安装Python模块包的时候，常常会因为各种原因下载失败，其中类似使用国外镜像下载、或者网速环境差的话，很容易会下载超时而失败。

2021-12-04 11:23:24 博客笔记 880 分类：开发环境专栏：未分组

不能卸载某个模块包:Cannot uninstall 'colorama'解决方法

不能卸载某个模块包:Cannot uninstall 'colorama'报错信息在卸载某个Python模块包时，发现并不能成功卸载，反而发生异常报错，报错信息如下：

2021-12-04 11:23:43 博客笔记 1152 分类：开发环境专栏：bug

解决ipynb文件加载失败的问题：Unreadable Notebook: D:\xxx.ipynb NotJSONError

解决ipynb文件加载失败的问题:Unreadable Notebook: D:\xxx.ipynb NotJSONError报错信息在jupyter notebook打开ipynb notebook文件时，发现加载一直不成功，另外还爆出异常提示信息，异常信息如下：

2021-12-04 11:23:53 博客笔记 979 分类：开发环境专栏：未分组

异常分析介绍-《Outlier Analysis 2nd Edition》

异常值是与其余数据存在显然不同的数据点。霍金斯定义异常值如下： <br> “异常值是一个与其他观察结果有很大差异的观察结果，以此引起人们怀疑它是由不同的机制产生的”。 <br> 在数据挖掘和统计学文献中，异常值也被称为abnormalities、discordants、deviants或anomalies。在大多数应用中，数据是由一个或多个生成过程创建的，这些生成过程既可以反映系统中的活动，也可以反映收集的有关实体的观察结果。当生成过程表现异常时，会导致创建异常值。因此，异常经常包含有关系统和实体影响数据生成过程的异常特征的有用信息。对这些不寻常的特性的认识提供了有用的应用特定见解。一些例子如下：

2021-12-21 11:00:12 互联网 458 分类：算法开发专栏：工业异常检测

异常分析-数据模型就是一切《Outlier Analysis 2nd Edition》

几乎所有异常值检测算法都会建立数据中正常模式的模型，然后根据这些模式的偏差计算给定数据点的异常值。例如，该数据模型可以是生成模型，例如高斯混合模型，基于回归的模型或基于邻近的模型。所有这些模型对数据的“正常”行为做出不同的假设。然后通过评估数据点与模型之间的拟合质量来计算数据点的离群值分数。在很多情况下，模型可能是算法定义的。例如，基于最近邻的离群值检测算法根据其最近邻距离的分布对数据点

2021-12-21 11:00:33 互联网 452 分类：算法开发专栏：工业异常检测

python输入input输出print函数

python输入input输出print函数python输入输出语句分别对应着input()和print()函数，下面分别对这两个函数进行介绍和实操。1、输入语句input()新建一个tmp.py文件当我们输入字符串时，返回数据类型是字符串# -*- coding: utf-8 -*-name = input("请输入您的名字：")print(name, type(name))运行tmp.py后，会提示手动输入信息，回车后就可以得到输出结果：请输入您的名字：小知小知 <c

2022-01-17 23:25:01 博客笔记 863 分类：算法开发专栏：python基础

52phm公告
在这里，可以学习接触到工业互联网技术知识以及落地案例，其中涵盖工业数据集、工业标准库、机理模型、设备知识、机器学习、深度学习、特征工程、振动分析、工业视觉、边缘硬件及传感器等技术知识！

工业异常检测

异常检测——ABOD（angle-based outlier detection）

异常检测——孤立森林

气象数据分析之突变检验及python的实现：MK突变、Pettitt方法、滑动T检验

突变点检测：时序平稳性检验之ADF检验（python）

异常分析介绍-《Outlier Analysis 2nd Edition》

异常分析-数据模型就是一切《Outlier Analysis 2nd Edition》

突变点检测：Magnitude of trend之Sen's slope（python）

Python趋势分析自动化检测描述最终（最新）

突变点检测：Buishand U test突变点检测（python）

关于站长
从事设备故障预测与健康管理行业多年的PHM算法工程师（机器医生）、国际振动分析师，实践、研发和交付的项目涉及“化工、工业机器人、风电机组、钢铁、核电、机床、机器视觉”等领域。专注于工业智能预警系统研发，通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊，为机器设备健康运行保驾护航。

当前文章目录

52phm简介

联系我们

投稿说明

加入我们

突变点检测：Magnitude of trend之Sen's slope（python）

52phm公告

关于站长