मैं स्वचालित फ़्रीक्वेंसी बैंड स्कैनिंग और स्थिति परिवर्तन पहचान के साथ आपके समय-श्रृंखला डेटा का निदान करूँगा।

यह क्या है

यह सिंगल-चैनल टाइम-सीरीज़ डेटा के लिए एक नैदानिक उपकरण है। यह स्वचालित रूप से:
- संरचना वाले आवृत्ति बैंड ढूंढता है
- प्रत्येक बैंड को पांच प्रकारों में से एक में वर्गीकृत करता है
- सिस्टम व्यवहार में अचानक परिवर्तनों का पता लगाता है
- विभिन्न समय अवधियों के डेटा की तुलना करता है

इसके लिए लेबल किए गए प्रशिक्षण डेटा, पूर्व-परिभाषित टेम्पलेट्स या भौतिक मॉडल की आवश्यकता नहीं होती है। यह चार स्वतंत्र सांख्यिकीय मेट्रिक्स का उपयोग करता है: भिन्नता का गुणांक, नमूना एन्ट्रापी, लिफाफा तिरछापन और पुनरावृत्ति दर।

शैक्षणिक संदर्भ: Zenodo preprint DOI 10.5281/zenodo.22837806

आपको क्या मिलता है

एक नैदानिक रिपोर्ट (पीडीएफ) जिसमें:
- प्रति-बैंड मेट्रिक्स: CV, नमूना एन्ट्रापी, तिरछापन, पुनरावृत्ति दर
- प्रति-बैंड वर्गीकरण
- पता लगाए गए संक्रमण टाइमस्टैम्प
- तीन-पैनल विज़ुअलाइज़ेशन (कच्चा सिग्नल, समय के साथ CV, समय के साथ एन्ट्रापी)

सभी बैंड मेट्रिक्स और लेबल वाली एक संरचित परिणाम तालिका (CSV)।

एक कार्यप्रणाली नोट जिसमें विश्लेषण प्रवाह, पैरामीटर और परिणामों को कैसे पढ़ा जाए, इसकी व्याख्या की गई है।

यह कैसे काम करता है — सरल अंग्रेजी में

अपने डेटा को एक रेडियो सिग्नल के रूप में सोचें। पारंपरिक उपकरण आपको बताते हैं कि "50-80 हर्ट्ज पर ऊर्जा है।" यह उपकरण आपको बताता है कि "50-80 हर्ट्ज पर सिग्नल स्थिर और संरचित है" या "50-80 हर्ट्ज पर सिग्नल खंडों में बदल रहा है" या "वह बैंड सिर्फ यादृच्छिक शोर है।"

यह आपको वह सटीक समय भी बताता है जब व्यवहार बदल गया — उदाहरण के लिए: "t=568 सेकंड पर, सिस्टम स्थिर से अस्थिर में बदल गया।"

पांच वर्गीकरण लेबल

- सिग्नल: स्थिर, संरचित सिग्नल
- खंडित: संरचित लेकिन खंडों में बदल रहा है
- white_noise: सपाट, यादृच्छिक शोर
- गैर-स्थिर: यादृच्छिक उतार-चढ़ाव
- signal_low: संरचना मौजूद है, लेकिन पूर्ण विश्लेषण के लिए डेटा बहुत छोटा है

यह उपकरण क्या नहीं कर सकता

- तरंग आकार का पुनर्निर्माण नहीं कर सकता
- भौतिक स्रोत का पता नहीं लगा सकता
- भविष्य की भविष्यवाणी नहीं कर सकता
- मल्टी-चैनल डेटा को संसाधित नहीं कर सकता
- 500 बिंदुओं से छोटे डेटा को संसाधित नहीं कर सकता
- मजबूत प्रवृत्ति वाले डेटा को संसाधित नहीं कर सकता जब तक कि पहले डिट्रेंड न किया जाए

आपको क्या प्रदान करने की आवश्यकता है

1. आपकी समय-श्रृंखला डेटा फ़ाइल
प्रारूप: CSV, TSV, TXT, या HDF5
सामग्री: कम से कम एक संख्यात्मक कॉलम (टाइमस्टैम्प वैकल्पिक)
लंबाई: 1000 बिंदु न्यूनतम (5000+ अनुशंसित)

2. नमूना दर
उदाहरण: प्रति सेकंड एक नमूना, प्रति मिलीसेकंड एक, LIGO 16384 हर्ट्ज

3. आपका लक्ष्य
उदाहरण:
- पता लगाएं कि किस आवृत्ति बैंड में सिग्नल है
- स्थिति परिवर्तन का सटीक समय पता लगाएं
- दो डेटा अवधियों के बीच संरचना की तुलना करें

इसका उपयोग कब करें

- आपके पास एक लंबी, एकल-चैनल समय श्रृंखला है
- आपको संदेह है कि सिस्टम का व्यवहार किसी बिंदु पर बदल गया है
- आप "पावर ग्लिच" को "संरचनात्मक परिवर्तन" से अलग करना चाहते हैं
- आपको गहन विश्लेषण से पहले एक स्वचालित प्रथम-पास स्क्रीनिंग की आवश्यकता है

इसका उपयोग कब न करें

- रीयल-टाइम स्ट्रीमिंग
- मल्टी-सेंसर सरणियाँ
- आपको भौतिक स्पष्टीकरण की आवश्यकता है
- आपको दोष स्थानीयकरण की आवश्यकता है
- आपको भविष्य की भविष्यवाणी की आवश्यकता है

मूल्य निर्धारण

- मूल: एक डेटासेट, रिपोर्ट + CSV (कोटेशन के लिए संपर्क करें)
- मानक: 3 डेटासेट तक, तुलनात्मक विश्लेषण, एक प्रश्नोत्तर दौर
- उन्नत: बैच विश्लेषण, कस्टम पैरामीटर, स्रोत कोड लाइसेंस

अक्सर पूछे जाने वाले प्रश्न

प्रश्न: यह FFT / PSD से कैसे अलग है?
उत्तर: PSD आपको बताता है कि "प्रत्येक आवृत्ति पर कितनी शक्ति है।" यह उपकरण आपको बताता है कि "प्रत्येक आवृत्ति पर किस प्रकार की संरचना है, और यह कब बदलती है।"

प्रश्न: क्या यह दोष का पता लगा सकता है?
उत्तर: नहीं। इसमें केवल एक-आयामी समय-श्रृंखला डेटा है, कोई स्थानिक जानकारी नहीं है। यह बताता है कि "संरचना बदल गई," न कि "यह कहाँ बदल गई।"

प्रश्न: समय की सटीकता क्या है?
उत्तर: विंडो की लंबाई पर निर्भर करता है। 1-सेकंड की विंडो के साथ, संक्रमण का पता लगाना लगभग ±1 सेकंड तक सटीक होता है।

प्रश्न: क्या यह मेरे डेटा को संभाल सकता है?
उत्तर: पहले जांचें: लंबाई ≥ 1000 बिंदु, कोई मजबूत प्रवृत्ति नहीं, और एक स्पष्ट परिवर्तन अपेक्षित है। यदि ऐसा है, तो यह काम करना चाहिए। यदि नहीं, तो उपकरण आपको बताएगा कि यह विश्लेषण नहीं कर सकता।