હું સ્વયંસંચાલિત ફ્રીક્વન્સી બેન્ડ સ્કેનિંગ અને સ્ટેટ ચેન્જ ડિટેક્શન વડે તમારા ટાઈમ-સિરીઝ ડેટાનું નિદાન કરીશ

આ શું છે

આ સિંગલ-ચેનલ ટાઈમ-સિરીઝ ડેટા માટેનું ડાયગ્નોસ્ટિક ટૂલ છે. તે આપમેળે:
- માળખું ધરાવતા ફ્રીક્વન્સી બેન્ડ્સ શોધે છે
- દરેક બેન્ડને પાંચ પ્રકારોમાંથી એકમાં વર્ગીકૃત કરે છે
- સિસ્ટમ વર્તનમાં અચાનક ફેરફારો શોધે છે
- વિવિધ સમયગાળાના ડેટાની તુલના કરે છે

તેને લેબલવાળા તાલીમ ડેટા, પૂર્વ-નિર્ધારિત નમૂનાઓ અથવા ભૌતિક મોડેલની જરૂર નથી. તે ચાર સ્વતંત્ર આંકડાકીય મેટ્રિક્સનો ઉપયોગ કરે છે: ભિન્નતાનો ગુણાંક, નમૂના એન્ટ્રોપી, એન્વેલપ સ્કેવનેસ અને રિકરન્સ રેટ.

શૈક્ષણિક સંદર્ભ: Zenodo પ્રિપ્રિન્ટ DOI 10.5281/zenodo.22837806

તમને શું મળે છે

આ સાથેનો ડાયગ્નોસ્ટિક રિપોર્ટ (PDF):
- પ્રતિ-બેન્ડ મેટ્રિક્સ: CV, નમૂના એન્ટ્રોપી, સ્કેવનેસ, રિકરન્સ રેટ
- પ્રતિ-બેન્ડ વર્ગીકરણ
- શોધાયેલ સંક્રમણ ટાઇમસ્ટેમ્પ્સ
- ત્રણ-પેનલ વિઝ્યુલાઇઝેશન (કાચો સિગ્નલ, સમય જતાં CV, સમય જતાં એન્ટ્રોપી)

બધા બેન્ડ મેટ્રિક્સ અને લેબલ્સ ધરાવતું સંરચિત પરિણામો કોષ્ટક (CSV).

વિશ્લેષણ પ્રવાહ, પરિમાણો અને પરિણામો કેવી રીતે વાંચવા તે સમજાવતી પદ્ધતિ નોંધ.

તે કેવી રીતે કાર્ય કરે છે — સાદી ભાષામાં

તમારા ડેટાને રેડિયો સિગ્નલ તરીકે વિચારો. પરંપરાગત સાધનો તમને કહે છે કે "50-80 Hz પર ઊર્જા છે." આ સાધન તમને કહે છે કે "50-80 Hz પરનો સિગ્નલ સ્થિર અને સંરચિત છે" અથવા "50-80 Hz પરનો સિગ્નલ સેગમેન્ટમાં બદલાઈ રહ્યો છે" અથવા "તે બેન્ડ ફક્ત રેન્ડમ અવાજ છે."

તે તમને ચોક્કસ સમય પણ જણાવે છે જ્યારે વર્તન બદલાયું — ઉદાહરણ તરીકે: "t=568 સેકન્ડ પર, સિસ્ટમ સ્થિરથી અસ્થિરમાં બદલાઈ ગઈ."

પાંચ વર્ગીકરણ લેબલ્સ

- સિગ્નલ: સ્થિર, સંરચિત સિગ્નલ
- સેગમેન્ટેડ: સંરચિત પરંતુ સેગમેન્ટમાં બદલાતું
- white_noise: સપાટ, રેન્ડમ અવાજ
- નોનસ્ટેશનરી: રેન્ડમ વધઘટ
- signal_low: માળખું હાજર છે, પરંતુ સંપૂર્ણ વિશ્લેષણ માટે ડેટા ખૂબ ટૂંકો છે

આ સાધન શું કરી શકતું નથી

- તરંગ આકારને ફરીથી બનાવી શકતું નથી
- ભૌતિક સ્ત્રોત શોધી શકતું નથી
- ભવિષ્યની આગાહી કરી શકતું નથી
- મલ્ટી-ચેનલ ડેટા પર પ્રક્રિયા કરી શકતું નથી
- 500 પોઈન્ટ્સ કરતાં ટૂંકા ડેટા પર પ્રક્રિયા કરી શકતું નથી
- મજબૂત વલણવાળા ડેટા પર પ્રક્રિયા કરી શકતું નથી સિવાય કે પહેલા તેને ડીટ્રેન્ડ કરવામાં આવે

તમારે શું પ્રદાન કરવાની જરૂર છે

1. તમારી સમય-શ્રેણી ડેટા ફાઇલ
ફોર્મેટ: CSV, TSV, TXT, અથવા HDF5
સામગ્રી: ઓછામાં ઓછો એક સંખ્યાત્મક કૉલમ (ટાઇમસ્ટેમ્પ વૈકલ્પિક)
લંબાઈ: 1000 પોઈન્ટ્સ ન્યૂનતમ (5000+ ભલામણ કરેલ)

2. સેમ્પલિંગ રેટ
ઉદાહરણો: પ્રતિ સેકન્ડ એક નમૂનો, પ્રતિ મિલિસેકન્ડ એક, LIGO 16384 Hz

3. તમારો ધ્યેય
ઉદાહરણો:
- કયો આવર્તન બેન્ડ સિગ્નલ ધરાવે છે તે શોધો
- સ્થિતિ બદલાવનો ચોક્કસ સમય શોધો
- બે ડેટા સમયગાળા વચ્ચેની રચનાની તુલના કરો

તેનો ઉપયોગ ક્યારે કરવો

- તમારી પાસે લાંબી, સિંગલ-ચેનલ સમય શ્રેણી છે
- તમને શંકા છે કે સિસ્ટમનું વર્તન કોઈક સમયે બદલાઈ ગયું છે
- તમે "પાવર ગ્લિચ" ને "માળખાકીય ફેરફાર" થી અલગ પાડવા માંગો છો
- ઊંડા વિશ્લેષણ પહેલાં તમને સ્વચાલિત પ્રથમ-પાસ સ્ક્રીનિંગની જરૂર છે

તેનો ઉપયોગ ક્યારે ન કરવો

- રીઅલ-ટાઇમ સ્ટ્રીમિંગ
- મલ્ટી-સેન્સર એરે
- તમને ભૌતિક સમજૂતીની જરૂર છે
- તમને ફોલ્ટ લોકલાઇઝેશનની જરૂર છે
- તમને ભવિષ્યની આગાહીની જરૂર છે

કિંમત

- મૂળભૂત: એક ડેટાસેટ, રિપોર્ટ + CSV (ભાવ માટે સંપર્ક કરો)
- માનક: 3 ડેટાસેટ્સ સુધી, તુલનાત્મક વિશ્લેષણ, એક Q&A રાઉન્ડ
- અદ્યતન: બેચ વિશ્લેષણ, કસ્ટમ પરિમાણો, સ્રોત કોડ લાઇસન્સ

FAQ

પ્રશ્ન: આ FFT / PSD થી કેવી રીતે અલગ છે?
જવાબ: PSD તમને કહે છે કે "દરેક આવર્તન પર કેટલી શક્તિ છે." આ સાધન તમને કહે છે કે "દરેક આવર્તન પર કયા પ્રકારની રચના છે, અને તે ક્યારે બદલાય છે."

પ્રશ્ન: શું તે ખામી શોધી શકે છે?
જવાબ: ના. તેમાં ફક્ત એક-પરિમાણીય સમય-શ્રેણી ડેટા છે, કોઈ અવકાશી માહિતી નથી. તે તમને કહે છે કે "રચના બદલાઈ ગઈ," નહીં કે "ક્યાં બદલાઈ."

પ્રશ્ન: સમયની ચોકસાઈ કેટલી છે?
જવાબ: વિન્ડોની લંબાઈ પર આધાર રાખે છે. 1-સેકન્ડની વિન્ડો સાથે, સંક્રમણ શોધ લગભગ ±1 સેકન્ડ સુધી સચોટ છે.

પ્રશ્ન: શું તે મારા ડેટાને હેન્ડલ કરી શકે છે?
જવાબ: પ્રથમ તપાસ: લંબાઈ ≥ 1000 પોઈન્ટ્સ, કોઈ મજબૂત વલણ નથી, અને સ્પષ્ટ ફેરફાર અપેક્ષિત છે. જો એમ હોય, તો તે કામ કરવું જોઈએ. જો નહીં, તો સાધન તમને કહેશે કે તે વિશ્લેષણ કરી શકતું નથી.