Algorithm 检测特定类型数据的时间序列数据中的事件/特征/趋势
数据背景：它是来自机器（如推土机）的单个变量的数据（液压压力，负责铲斗的移动），执行装载铲斗，然后将车辆移动到卸载装载物料的位置，然后卸载物料等操作 我已标记装载事件（装载铲斗）、拖运事件（机器移动至卸载）和卸载事件（卸载负载） 因此，一个装载事件、拖运事件和卸载事件构成一个完整的循环。在提供的图像中，我看到了12个这样的周期 问题陈述：在提供的数据中检测此类周期的计数，并消除噪声（我在图像中用红色标记了噪声）。还要计算每个事件所花费的时间：装载事件、拖运事件和卸载事件所花费的时间？将这三者结合起来，就得到了完整的循环时间 我试着用移动平均线来检测它，但它不太合适 有人能提出一种机器学习/人工神经网络/更好的方法来准确检测事件吗 通过观察图像，可以了解到初始峰值为负载，然后为牵引，最后一个峰值为卸载。因此，我们需要基于动态阈值检测峰值 任何解决这个问题的可行方法都是值得赞赏的Algorithm 检测特定类型数据的时间序列数据中的事件/特征/趋势,algorithm,statistics,signal-processing,real-time,feature-detection,Algorithm,Statistics,Signal Processing,Real Time,Feature Detection,数据背景：它是来自机器（如推土机）的单个变量的数据（液压压力，负责铲斗的移动），执行装载铲斗，然后将车辆移动到卸载装载物料的位置，然后卸载物料等操作 我已标记装载事件（装载铲斗）、拖运事件（机器移动至卸载）和卸载事件（卸载负载） 因此，一个装载事件、拖运事件和卸载事件构成一个完整的循环。在提供的图像中，我看到了12个这样的周期 问题陈述：在提供的数据中检测此类周期的计数，并消除噪声（我在图像中用红色标记了噪声）。还要计算每个事件所花费的时间：装载事件、拖运事件和卸载事件所花费的时间？将这三者结合