Algorithmization of the space-time process of constructing graphical models for analyzing potential faults in multidimensional time series with missing values

Detection of pre-emergency conditions and potential malfunctions is crucial for intelligent monitoring systems. The telemetry data coming from sensors of highly reliable autonomous control facilities is poorly structured, which makes it likely that some values in the sample are missing. The presence of missing values prevents effective modeling of temporal and spatial dependencies, as a result of which important patterns are overlooked when training the model. In this paper, the spatial-temporal process of constructing graphical models is considered as a means of identifying potential malfunctions in multidimensional time series with missing values.

1. Хеннан Э.Д. Многомерные временные ряды / Э.Д. Хеннан. – Москва: Мир, 1974. – 576 с.

2. Карпухин Д.Н. Алгоритмизация процесса мониторинга данных на автономных объектах электропитания в условиях прогнозирования потенциальных неисправностей на основе однородного глубокого нейронного ансамбля / Д.Н. Карпухин, В.Л. Бурковский // Вестник Воронежского института высоких технологий. – 2024. – Т. 18. – № 2 (49). – URL: https://vestnikvivt.ru/ru/journal/pdf?id=1327 (дата обращения: 15.08.2024).

3. Созыкин А.В. Обзор методов обучения глубоких нейронных сетей / А.В. Созыкин // Вестник ЮУрГУ. Серия «Вычислительная математика и информатика». – 2017. – Т. 6. – № 3. – С. 28-59.

4. Хайкин С. Нейронные сети: полный курс, 2-е издание / C. Хайкин. – Москва: Издательский дом «Вильямс», 2006. – 1104 с.

5. Юсупбеков Н.Р. Управление динамическими объектами на основе нейронных сетей / Н.Р. Юсупбеков, Д.П. Мухитдинов, О.У. Саттаров // Journal of Advances in Engineering Technology. – 2021. – Т. 1. – № 3. – С. 55-63.

6. Калиткин Н.Н. Численные методы / Н.Н. Калиткин. – Москва: Наука, 1978. – 512 с.

7. Отнес Р. Прикладной анализ временных рядов: основные методы / Р. Отнес, Л. Эноксон. – Москва: Мир, 1982. – 428 с.