# 故障预警

**Repository Path**: yforsakek/fault-warning

## Basic Information

- **Project Name**: 故障预警
- **Description**: 故障预警功能实现  
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 0
- **Created**: 2025-01-21
- **Last Updated**: 2025-10-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 故障预警系统

#### 介绍
目前支持的深度学习模型：
- GRU  
- TimesNet (ICLR 2023)
- PatchTST

#### 环境要求
- Python 3.8+
- PyTorch 1.8+
- pandas
- numpy
- scikit-learn
- tqdm

#### 使用说明


1. 数据准备
- 在项目根目录下新建 `data` 文件夹
- 将数据集（CSV格式）放入 `data` 文件夹中
- CSV文件：前1000列为特征，100时间步 * 10特征指标，最后一列为标签列（label）

2. 模型训练
- 运行 `python src/train.py` 进行模型训练
- 训练结果将保存在 `runs` 文件夹中，模型名称规则：`modelname_time`

3. 训练结果
- 所有训练数据保存在 `runs/` 目录下
- 命名规则：`modelname_timestamp`
- 包含内容：
  - 模型权重文件
  - 训练配置文件
  - 训练日志
  - 评估指标
  - 可视化结果

#### 主要参数说明
- `--model`: 选择模型类型，目前支持 (gru/timesnet/patchtst)
- `--batch_size`: 批次大小
- `--epochs`: 训练轮数
- `--lr`: 学习率
- `--num_classes`: 分类类别数
- `--patience`: 早停耐心值
- `--data_path`: 数据集路径

#### 目录结构

├── data/               # 数据目录  
├── runs/               # 模型训练结果目录  
├── src/                # 源代码目录  
│   ├── data/           # 数据处理  
│   ├── models/         # 模型定义  
│   ├── utils/          # 工具函数  
│   ├── train.py        # 训练脚本  
│   └── ...             # 其他辅助脚本  
├── README.md           # 项目说明