Exponenta Banner
exponenta event banner

график

Постройте функцию оставшегося в живых для ковариационного выживания, остающегося модель срока полезного использования

свернуть все на странице

Синтаксис

plot(mdl)
plot(mdl,covariates)

Описание

пример

plot(mdl) строит базовую функцию оставшегося в живых подходящей ковариационной модели mdl выживания против пожизненного значения, для которого это было вычислено. Данные о графике хранятся в свойстве BaselineCumulativeHazard mdl.

пример

plot(mdl,covariates) строит функцию оставшегося в живых, вычисленную для ковариационных данных в covariates. Чтобы получить функцию оставшегося в живых, показатель риска вычислен с помощью ковариантов и объединен с базовой функцией оставшегося в живых.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите данные тренировки.

load('covariateData.mat')

Эти данные содержат времена выброса батареи и связали ковариационную информацию. Ковариационные переменные:

  • Температура

  • Загрузка

  • Производитель

Информацией о производителе является категориальная переменная, которая должна быть закодирована.

Создайте ковариационную модель выживания.

mdl = covariateSurvivalModel;

Обучите модель выживания использование данных тренировки, задав пожизненную переменную, переменные данных и закодированную переменную. Нет никакой переменной цензора для этого данных тренировки.

fit(mdl,covariateData,"DischargeTime",["Temperature","Load","Manufacturer"],[],"Manufacturer")
Successful convergence: Norm of gradient less than OPTIONS.TolFun

Постройте базовую функцию оставшегося в живых для модели.

plot(mdl)

Скрипт Open Live Script
Загрузите данные тренировки.
load('covariateData.mat')
Эти данные содержат времена выброса батареи и связали ковариационную информацию. Ковариационные переменные:
  • Температура
  • Загрузка
  • Производитель
Информацией о производителе является категориальная переменная, которая должна быть закодирована.
Создайте ковариационную модель выживания и обучите ее с помощью данных тренировки.
mdl = covariateSurvivalModel('LifeTimeVariable',"DischargeTime",'LifeTimeUnit',"hours",...
   'DataVariables',["Temperature","Load","Manufacturer"],'EncodedVariables',"Manufacturer");
fit(mdl,covariateData)
Successful convergence: Norm of gradient less than OPTIONS.TolFun

Предположим, что вам произвел блок батарей производитель B, который запускался в течение часов 30. Составьте таблицу тестовых данных, которая содержит время использования, DischargeTime, и измеренную температуру окружающей среды, TestAmbientTemperature, и текущий чертивший, TestBatteryLoad.
TestBatteryLoad = 25;
TestAmbientTemperature = 60; 
DischargeTime = hours(30);
TestData = timetable(TestBatteryLoad,TestAmbientTemperature,"B",'RowTimes',hours(30));
TestData.Properties.VariableNames = {'Temperature','Load','Manufacturer'};
TestData.Properties.DimensionNames{1} = 'DischargeTime';
Предскажите RUL для батареи.
estRUL = predictRUL(mdl,TestData)
estRUL = duration
   38.657 hr


Постройте функцию оставшегося в живых для ковариационных данных батареи.
plot(mdl,TestData)
Входные параметры
свернуть все

                    
Ковариационная модель RUL выживания, заданная как объект covariateSurvivalModel.

                    
plot отображает данные на графике в свойстве BaselineCumulativeHazard mdl, который является массивом 2D столбца. Второй столбец содержит базовые значения функций оставшегося в живых, и первый столбец содержит соответствующие пожизненные значения. Пожизненные значения построены в модулях, заданных свойством LifeTimeUnits mdl.

                

                    
Текущие ковариационные значения для компонента, заданного как a:

                    
  • Вектор - строка, элементы которого задают ковариационные значения компонента только а не пожизненные значения. Количество ковариационных значений должно совпадать с номером и порядком ковариационных столбцов данных, используемых при оценке mdl с помощью fit.
  • table или timetable с одной строкой. Таблица должна содержать переменные, заданные в свойстве DataVariables mdl.

                    
Если ковариационные данные содержат закодированные переменные, то необходимо задать covariates с помощью table или timetable.

                    
Чтобы получить функцию оставшегося в живых, показатель риска вычислен с помощью ковариантов и объединен с базовой функцией оставшегося в живых. Для получения дополнительной информации смотрите Cox Пропорциональная Модель Опасностей (Statistics and Machine Learning Toolbox).

                
Смотрите также
Функции
Темы
Введенный в R2018a

    

























Документация Predictive Maintenance Toolbox





Поддержка