Susuriin Ko ang Iyong Data ng Time-Series gamit ang Automated Frequency Band Scanning at State Change Detection

ANO ITO

Ito ay isang diagnostic tool para sa single-channel time-series data. Awtomatiko nitong:
- Hinahanap ang mga frequency band na naglalaman ng istraktura
- Kinaklasipika ang bawat band sa isa sa limang uri
- Nakakakita ng biglaang pagbabago sa pag-uugali ng system
- Naghahambing ng data mula sa iba't ibang yugto ng panahon

HINDI ito nangangailangan ng may label na data ng pagsasanay, mga paunang natukoy na template, o isang pisikal na modelo. Gumagamit ito ng apat na independiyenteng statistical metrics: coefficient of variation, sample entropy, envelope skewness, at recurrence rate.

Sanggunian sa akademya: Zenodo preprint DOI 10.5281/zenodo.22837806

ANG MAKAKUHA MO

Isang ulat ng diagnostic (PDF) na may:
- Mga per-band na metrics: CV, sample entropy, skewness, recurrence rate
- Per-band na klasipikasyon
- Nakitang mga timestamp ng transisyon
- Tatlong-panel na visualization (raw signal, CV sa paglipas ng panahon, entropy sa paglipas ng panahon)

Isang nakabalangkas na talahanayan ng mga resulta (CSV) na naglalaman ng lahat ng band metrics at label.

Isang tala ng metodolohiya na nagpapaliwanag sa daloy ng pagsusuri, mga parameter, at kung paano basahin ang mga resulta.

PAANO ITO GUMAGANA — SIMPLENG INGLES

Isipin ang iyong data bilang isang signal ng radyo. Sinasabi sa iyo ng mga tradisyonal na tool na "may enerhiya sa 50-80 Hz." Sinasabi sa iyo ng tool na ito na "ang signal sa 50-80 Hz ay matatag at nakabalangkas" o "ang signal sa 50-80 Hz ay nagbabago sa mga segment" o "ang bandang iyon ay random na ingay lamang."

Sinasabi rin nito sa iyo ang eksaktong oras kung kailan nagbago ang pag-uugali — halimbawa: "sa t=568 segundo, ang sistema ay lumipat mula sa matatag patungo sa hindi matatag."

LIMANG LABEL NG KLASIPIKASYON

- signal: matatag, nakabalangkas na signal
- segmented: nakabalangkas ngunit nagbabago sa mga segment
- white_noise: patag, random na ingay
- nonstationary: random na pagbabago
- signal_low: may istraktura, ngunit masyadong maikli ang data para sa buong pagsusuri

ANO ANG HINDI KAYANG GAWIN NG TOOL NA ITO

- Hindi kayang buuin muli ang hugis ng waveform
- Hindi kayang hanapin ang pisikal na pinagmulan
- Hindi kayang hulaan ang hinaharap
- Hindi kayang iproseso ang multi-channel na data
- Hindi kayang iproseso ang data na mas maikli sa 500 puntos
- Hindi kayang iproseso ang data na may malakas na trend maliban kung na-detrend muna

ANO ANG KAILANGAN MONG IBIGAY

1. Ang iyong time-series data file
Format: CSV, TSV, TXT, o HDF5
Nilalaman: kahit isang numeric na column (opsyonal ang timestamp)
Haba: 1000 minimum na puntos (5000+ inirerekomenda)

2. Sampling rate
Mga Halimbawa: isang sample bawat segundo, isa bawat millisecond, LIGO 16384 Hz

3. Ang iyong layunin
Mga Halimbawa:
- Hanapin kung aling frequency band ang naglalaman ng signal
- Tukuyin ang eksaktong oras ng pagbabago ng estado
- Ihambing ang istraktura sa pagitan ng dalawang panahon ng data

KAILAN ITO GAGAMITIN

- Mayroon kang mahaba, single-channel na time series
- Pinaghihinalaan mong nagbago ang pag-uugali ng sistema sa isang punto
- Gusto mong makilala ang "power glitch" mula sa "structural change"
- Kailangan mo ng automated na first-pass screening bago ang mas malalim na pagsusuri

KAILAN HINDI ITO GAGAMITIN

- Real-time streaming
- Multi-sensor arrays
- Kailangan mo ng pisikal na paliwanag
- Kailangan mo ng fault localization
- Kailangan mo ng hula sa hinaharap

PAGPRESYO

- Basic: isang dataset, ulat + CSV (makipag-ugnayan para sa quote)
- Standard: hanggang 3 dataset, comparative analysis, isang Q&A round
- Advanced: batch analysis, custom parameters, source code license

FAQ

Q: Paano ito naiiba sa FFT / PSD?
A: Sinasabi sa iyo ng PSD "kung gaano karaming power sa bawat frequency." Sinasabi sa iyo ng tool na ito "kung anong uri ng istraktura ang nasa bawat frequency, at kung kailan ito nagbabago."

Q: Maaari ba nitong hanapin ang fault?
A: Hindi. Mayroon lamang itong one-dimensional time-series data, walang spatial na impormasyon. Sinasabi nito "nagbago ang istraktura," hindi "kung saan ito nagbago."

Q: Ano ang time precision?
A: Depende sa haba ng window. Sa isang 1-segundong window, ang pagtukoy ng transisyon ay tumpak sa humigit-kumulang ±1 segundo.

Q: Kaya ba nitong hawakan ang aking data?
A: Unang suriin: haba ≥ 1000 puntos, walang malakas na trend, at inaasahang may malinaw na pagbabago. Kung gayon, dapat itong gumana. Kung hindi, sasabihin sa iyo ng tool na hindi nito kayang suriin.