我们世界的许多系统老化,降解或以其他方式缓慢但稳步地朝着某个方向前进。 当通过传感器监控这些系统时,人们通常假设数据中存在某种形式的“年龄”,但也许可用的传感器不容易提供这种有用的信息。 我们在本文中研究的任务是从可用的多变量时间序列中提取这个“年龄”的潜在代理,而没有关于“年龄”实际是什么的明确数据。 我们认为,当我们找到一个传感器,或者更有可能是可用的传感器的一些发现功能时,这是足够单调的,该功能可以作为我们正在寻找的代理。 使用精心定义的语法,并在单调性方面优化生成的方程,定义为时间和候选公式之间的绝对Spearman的等级相关性,建议的方法生成一组候选特征,然后根据单调性进行安装和评估。 拟议的系统是根据人工生成的数据集和两个真实世界数据集进行评估的。 在所有实验中,我们表明该系统能够将具有低个体单调性的传感器结合到具有高单调性的潜在特征中。 对于结构健康监测项目InfraWatch的真实世界数据集,我们展示了两个具有单个绝对Spearman ρ 值为0.13和0.09的特征,可以组合成绝对Spearman ρ 0.95的代理。 这表明我们提出的方法可以找到可解释方程,可以作为系统“年龄”的代理。