я уже прочитал изначальный вопрос

так он вообще не в тему, там статы достаточно

Станционный ряд

вот я и понял это))

Хорошо посмотрю спасибо

кагл сертификаты к курсам дают за прослушивание или там реально нужно доказать знание?

Там же и о предсказаниях речь идёт, разве нет? «И плюс предиктинг»

Да предиктинг тоже нужен

выбираете модель - константа матожидание, линейная интерполяция, квадратичная или еще какая нравится
или вы все хотите нейросетям поручить, не думаете что они не всегда лучший инструмент?)
тогда нужно сделать нейросеть которая будет говорить как решить эту проблему

Нет не нейросеть

Линейная

Не совсем понимаю в чем именно возникла сложность, отклонение от нормы это наверное больше задача метрологии, у оборудования в спецификации прописаны значения, которые можно считать допустимыми, ищите когда есть отклонения, и сравните когда они возникают, возможно в этом есть какая-то система. Можно решить конечно поиском аномалий, но без знания допустимых значимых, то, что мы посчитали аномалией, может оказаться нормой. С точки зрения предсказания у вас целый букет всяких подходов, начиная от эконометрических, заканчивая продвинутыми, по типу lstm, все зависит от вашего желания заморочиться и от требований к качеству прогноза. Можете наложить линейку, можете послушать курс от МФТИ и Яндекса про предсказывание временных рядов, на мой взгляд самый исчерпывающий курс, начиная от подбора параметров sarima, заканчивая сведением задачи к регрессии. Можете попробовать прикрутить lstm, аппроксимировать с помощью rnn, но убедитесь, что набор данных достаточен. В первую очередь проанализируйте структуру вашего временного ряда на момент стационарности, здесь супер наглядно показаны типовые нестационарности https://habr.com/ru/company/ods/blog/327242/, если ряд нестационарен, то пробуйте его сделать стационарным, если получается - арима ваш лучший друг, если нет - то, как описали выше, пробуйте нелинейные модели.

Totally  agree,  а еще специфика процесса важна (технологический процесс) расход топлива чего, если это какое-то горение,  важные такие факторы,  как давление,  кинетика процесса и.т.д,  конечно можно найти регрессию, экстраполяцию, но надо понимать, что  в технологиях такие задачи решаются вместе :технологом + математик

чего вы к человеку прикопались)легко не легко

Мотивируем человека погрузиться в специфику процесса. Если научиться понимать процесс, то многие странности в данных, которые кажутся аномальными, начнут казаться логичными и понятными, и тем самым можно сэкономить кучу времени, не тестируя ложные гипотезы

+++

+

👌