നിങ്ങളുടെ ടൈം-സീരീസ് ഡാറ്റയെ ഓട്ടോമേറ്റഡ് ഫ്രീക്വൻസി ബാൻഡ് സ്കാനിംഗും സ്റ്റേറ്റ് ചേഞ്ച് ഡിറ്റക്ഷനും ഉപയോഗിച്ച് ഞാൻ നിർണ്ണയിക്കും

ഇതെന്താണ്

ഇതൊരു സിംഗിൾ-ചാനൽ ടൈം-സീരീസ് ഡാറ്റയ്ക്കുള്ള ഡയഗ്നോസ്റ്റിക് ടൂളാണ്. ഇത് സ്വയമേവ:
- ഘടന അടങ്ങിയിരിക്കുന്ന ഫ്രീക്വൻസി ബാൻഡുകൾ കണ്ടെത്തുന്നു
- ഓരോ ബാൻഡിനെയും അഞ്ച് തരങ്ങളിൽ ഒന്നായി വർഗ്ഗീകരിക്കുന്നു
- സിസ്റ്റം സ്വഭാവത്തിലെ പെട്ടന്നുള്ള മാറ്റങ്ങൾ കണ്ടെത്തുന്നു
- വ്യത്യസ്ത സമയ കാലയളവിലെ ഡാറ്റ താരതമ്യം ചെയ്യുന്നു

ഇതിന് ലേബൽ ചെയ്ത പരിശീലന ഡാറ്റയോ, മുൻകൂട്ടി നിർവചിച്ച ടെംപ്ലേറ്റുകളോ, ഒരു ഫിസിക്കൽ മോഡലോ ആവശ്യമില്ല. ഇത് നാല് സ്വതന്ത്ര സ്റ്റാറ്റിസ്റ്റിക്കൽ മെട്രിക്സ് ഉപയോഗിക്കുന്നു: കോഫിഷ്യന്റ് ഓഫ് വേരിയേഷൻ, സാമ്പിൾ എൻട്രോപ്പി, എൻവലപ്പ് സ്ക്യൂനെസ്, റിക്കറൻസ് റേറ്റ്.

അക്കാദമിക് റഫറൻസ്: Zenodo preprint DOI 10.5281/zenodo.22837806

നിങ്ങൾക്ക് ലഭിക്കുന്നത്

ഇതടങ്ങിയ ഒരു ഡയഗ്നോസ്റ്റിക് റിപ്പോർട്ട് (PDF):
- ഓരോ ബാൻഡിനുമുള്ള മെട്രിക്സ്: CV, സാമ്പിൾ എൻട്രോപ്പി, സ്ക്യൂനെസ്, റിക്കറൻസ് റേറ്റ്
- ഓരോ ബാൻഡിനുമുള്ള വർഗ്ഗീകരണം
- കണ്ടെത്തിയ സംക്രമണ ടൈംസ്റ്റാമ്പുകൾ
- മൂന്ന്-പാനൽ വിഷ്വലൈസേഷൻ (റോ സിഗ്നൽ, സമയത്തിനനുസരിച്ചുള്ള CV, സമയത്തിനനുസരിച്ചുള്ള എൻട്രോപ്പി)

എല്ലാ ബാൻഡ് മെട്രിക്സും ലേബലുകളും അടങ്ങിയ ഒരു ഘടനാപരമായ ഫലങ്ങളുടെ പട്ടിക (CSV).

വിശകലന പ്രവാഹം, പാരാമീറ്ററുകൾ, ഫലങ്ങൾ എങ്ങനെ വായിക്കണം എന്നിവ വിശദീകരിക്കുന്ന ഒരു രീതിശാസ്ത്ര കുറിപ്പ്.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു — ലളിതമായ ഇംഗ്ലീഷ്

നിങ്ങളുടെ ഡാറ്റയെ ഒരു റേഡിയോ സിഗ്നലായി കരുതുക. പരമ്പരാഗത ഉപകരണങ്ങൾ നിങ്ങളോട് പറയും "50-80 Hz-ൽ ഊർജ്ജമുണ്ട്." ഈ ഉപകരണം നിങ്ങളോട് പറയും "50-80 Hz-ലെ സിഗ്നൽ സ്ഥിരവും ഘടനാപരവുമാണ്" അല്ലെങ്കിൽ "50-80 Hz-ലെ സിഗ്നൽ ഭാഗങ്ങളായി മാറിക്കൊണ്ടിരിക്കുന്നു" അല്ലെങ്കിൽ "ആ ബാൻഡ് വെറും ക്രമരഹിതമായ ശബ്ദമാണ്."

പെരുമാറ്റം മാറിയ കൃത്യമായ സമയവും ഇത് നിങ്ങളോട് പറയുന്നു — ഉദാഹരണത്തിന്: "t=568 സെക്കൻഡിൽ, സിസ്റ്റം സ്ഥിരതയിൽ നിന്ന് അസ്ഥിരതയിലേക്ക് മാറി."

അഞ്ച് വർഗ്ഗീകരണ ലേബലുകൾ

- സിഗ്നൽ: സ്ഥിരമായ, ഘടനാപരമായ സിഗ്നൽ
- സെഗ്മെന്റഡ്: ഘടനാപരമാണെങ്കിലും ഭാഗങ്ങളായി മാറിക്കൊണ്ടിരിക്കുന്നു
- white_noise: പരന്ന, ക്രമരഹിതമായ ശബ്ദം
- നോൺസ്റ്റേഷനറി: ക്രമരഹിതമായ ഏറ്റക്കുറച്ചിലുകൾ
- signal_low: ഘടനയുണ്ടെങ്കിലും, പൂർണ്ണ വിശകലനത്തിന് ഡാറ്റ വളരെ കുറവാണ്

ഈ ഉപകരണത്തിന് ചെയ്യാൻ കഴിയാത്തത്

- തരംഗരൂപം പുനർനിർമ്മിക്കാൻ കഴിയില്ല
- ഒരു ഭൗതിക ഉറവിടം കണ്ടെത്താൻ കഴിയില്ല
- ഭാവി പ്രവചിക്കാൻ കഴിയില്ല
- മൾട്ടി-ചാനൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യാൻ കഴിയില്ല
- 500 പോയിന്റുകളേക്കാൾ കുറഞ്ഞ ഡാറ്റ പ്രോസസ്സ് ചെയ്യാൻ കഴിയില്ല
- ശക്തമായ പ്രവണതയുള്ള ഡാറ്റ, ആദ്യം ഡീട്രെൻഡ് ചെയ്തില്ലെങ്കിൽ, പ്രോസസ്സ് ചെയ്യാൻ കഴിയില്ല

നിങ്ങൾ നൽകേണ്ടത്

1. നിങ്ങളുടെ ടൈം-സീരീസ് ഡാറ്റ ഫയൽ
ഫോർമാറ്റ്: CSV, TSV, TXT, അല്ലെങ്കിൽ HDF5
ഉള്ളടക്കം: കുറഞ്ഞത് ഒരു സംഖ്യാ നിര (ടൈംസ്റ്റാമ്പ് ഓപ്ഷണൽ)
നീളം: കുറഞ്ഞത് 1000 പോയിന്റുകൾ (5000+ ശുപാർശ ചെയ്യുന്നത്)

2. സാമ്പിൾ നിരക്ക്
ഉദാഹരണങ്ങൾ: ഒരു സെക്കൻഡിൽ ഒരു സാമ്പിൾ, ഒരു മില്ലിസെക്കൻഡിൽ ഒന്ന്, LIGO 16384 Hz

3. നിങ്ങളുടെ ലക്ഷ്യം
ഉദാഹരണങ്ങൾ:
- ഏത് ഫ്രീക്വൻസി ബാൻഡിലാണ് ഒരു സിഗ്നൽ അടങ്ങിയിരിക്കുന്നതെന്ന് കണ്ടെത്തുക
- ഒരു അവസ്ഥാ മാറ്റത്തിന്റെ കൃത്യമായ സമയം കണ്ടെത്തുക
- രണ്ട് ഡാറ്റാ കാലയളവുകൾക്കിടയിലുള്ള ഘടന താരതമ്യം ചെയ്യുക

എപ്പോൾ ഉപയോഗിക്കണം

- നിങ്ങൾക്ക് ദൈർഘ്യമുള്ള, ഒറ്റ-ചാനൽ ടൈം സീരീസ് ഉണ്ട്
- സിസ്റ്റത്തിന്റെ സ്വഭാവം ഒരു ഘട്ടത്തിൽ മാറിയെന്ന് നിങ്ങൾ സംശയിക്കുന്നു
- "പവർ ഗ്ലിച്ച്"-നെ "ഘടനപരമായ മാറ്റം"-ൽ നിന്ന് വേർതിരിക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നു
- ആഴത്തിലുള്ള വിശകലനത്തിന് മുമ്പ് ഒരു ഓട്ടോമേറ്റഡ് ഫസ്റ്റ്-പാസ് സ്ക്രീനിംഗ് നിങ്ങൾക്ക് ആവശ്യമാണ്

എപ്പോൾ ഉപയോഗിക്കരുത്

- തത്സമയ സ്ട്രീമിംഗ്
- മൾട്ടി-സെൻസർ അറേകൾ
- നിങ്ങൾക്ക് ഭൗതിക വിശദീകരണം ആവശ്യമാണ്
- നിങ്ങൾക്ക് തകരാർ കണ്ടെത്തൽ ആവശ്യമാണ്
- നിങ്ങൾക്ക് ഭാവി പ്രവചനം ആവശ്യമാണ്

വിലനിർണ്ണയം

- അടിസ്ഥാനം: ഒരു ഡാറ്റാസെറ്റ്, റിപ്പോർട്ട് + CSV (വിലയ്ക്കായി ബന്ധപ്പെടുക)
- സ്റ്റാൻഡേർഡ്: 3 ഡാറ്റാസെറ്റുകൾ വരെ, താരതമ്യ വിശകലനം, ഒരു ചോദ്യോത്തര റൗണ്ട്
- അഡ്വാൻസ്ഡ്: ബാച്ച് വിശകലനം, കസ്റ്റം പാരാമീറ്ററുകൾ, സോഴ്സ് കോഡ് ലൈസൻസ്

പതിവുചോദ്യങ്ങൾ

ചോദ്യം: ഇത് FFT / PSD-യിൽ നിന്ന് എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു?
ഉത്തരം: PSD നിങ്ങളോട് പറയുന്നു "ഓരോ ഫ്രീക്വൻസിയിലും എത്ര പവറുണ്ട്." ഈ ഉപകരണം നിങ്ങളോട് പറയുന്നു "ഓരോ ഫ്രീക്വൻസിയിലും ഏത് തരത്തിലുള്ള ഘടനയാണുള്ളത്, അത് എപ്പോൾ മാറുന്നു."

ചോദ്യം: ഇതിന് തകരാർ കണ്ടെത്താൻ കഴിയുമോ?
ഉത്തരം: ഇല്ല. ഇതിന് ഏകമാന ടൈം-സീരീസ് ഡാറ്റ മാത്രമേയുള്ളൂ, സ്പേഷ്യൽ വിവരങ്ങളില്ല. ഇത് നിങ്ങളോട് പറയുന്നു "ഘടന മാറി," "എവിടെയാണ് മാറിയത്" എന്നല്ല.

ചോദ്യം: സമയ കൃത്യത എത്രയാണ്?
ഉത്തരം: വിൻഡോയുടെ നീളത്തെ ആശ്രയിച്ചിരിക്കുന്നു. 1-സെക്കൻഡ് വിൻഡോ ഉപയോഗിച്ച്, ട്രാൻസിഷൻ കണ്ടെത്തൽ ഏകദേശം ±1 സെക്കൻഡ് വരെ കൃത്യമാണ്.

ചോദ്യം: ഇതിന് എന്റെ ഡാറ്റ കൈകാര്യം ചെയ്യാൻ കഴിയുമോ?
ഉത്തരം: ആദ്യം പരിശോധിക്കുക: നീളം ≥ 1000 പോയിന്റുകൾ, ശക്തമായ പ്രവണതയില്ല, വ്യക്തമായ മാറ്റം പ്രതീക്ഷിക്കുന്നു. അങ്ങനെയാണെങ്കിൽ, ഇത് പ്രവർത്തിക്കണം. അല്ലെങ്കിൽ, വിശകലനം ചെയ്യാൻ കഴിയില്ലെന്ന് ഉപകരണം നിങ്ങളോട് പറയും.