म तपाईंको समय-श्रृंखला डेटालाई स्वचालित फ्रिक्वेन्सी ब्यान्ड स्क्यानिङ र राज्य परिवर्तन पत्ता लगाउनेसँग निदान गर्नेछु

यो के हो

यो एकल-च्यानल समय-श्रृंखला डेटाको लागि एक निदान उपकरण हो। यसले स्वचालित रूपमा:
- संरचना समावेश गर्ने फ्रिक्वेन्सी ब्यान्डहरू फेला पार्छ
- प्रत्येक ब्यान्डलाई पाँच प्रकारहरू मध्ये एकमा वर्गीकृत गर्दछ
- प्रणाली व्यवहारमा अचानक परिवर्तनहरू पत्ता लगाउँछ
- विभिन्न समय अवधिहरूबाट डेटा तुलना गर्दछ

यसलाई लेबल गरिएको प्रशिक्षण डेटा, पूर्व-परिभाषित टेम्प्लेटहरू, वा भौतिक मोडेल आवश्यक पर्दैन। यसले चार स्वतन्त्र सांख्यिकीय मेट्रिक्स प्रयोग गर्दछ: भिन्नताको गुणांक, नमूना एन्ट्रोपी, खाम स्क्युनेस, र पुनरावृत्ति दर।

शैक्षिक सन्दर्भ: Zenodo preprint DOI 10.5281/zenodo.22837806

तपाईंले के पाउनुहुन्छ

एक निदान रिपोर्ट (PDF) जसमा:
- प्रति-ब्यान्ड मेट्रिक्स: CV, नमूना एन्ट्रोपी, स्क्युनेस, पुनरावृत्ति दर
- प्रति-ब्यान्ड वर्गीकरण
- पत्ता लगाइएको संक्रमण टाइमस्ट्याम्पहरू
- तीन-प्यानल भिजुअलाइजेशन (कच्चा सिग्नल, समय अनुसार CV, समय अनुसार एन्ट्रोपी)

सबै ब्यान्ड मेट्रिक्स र लेबलहरू समावेश भएको संरचित परिणाम तालिका (CSV)।

विश्लेषण प्रवाह, प्यारामिटरहरू, र परिणामहरू कसरी पढ्ने भनेर व्याख्या गर्ने एक विधि नोट।

यसले कसरी काम गर्छ — सरल अंग्रेजी

तपाईंको डेटालाई रेडियो सिग्नलको रूपमा सोच्नुहोस्। परम्परागत उपकरणहरूले तपाईंलाई "50-80 Hz मा ऊर्जा छ" भन्छन्। यो उपकरणले तपाईंलाई "50-80 Hz मा सिग्नल स्थिर र संरचित छ" वा "50-80 Hz मा सिग्नल खण्डहरूमा परिवर्तन भइरहेको छ" वा "त्यो ब्यान्ड केवल अनियमित आवाज हो" भन्छ।

यसले तपाईंलाई व्यवहार परिवर्तन भएको सही समय पनि बताउँछ — उदाहरणका लागि: "t=568 सेकेन्डमा, प्रणाली स्थिरबाट अस्थिरमा परिवर्तन भयो।"

पाँच वर्गीकरण लेबलहरू

- सिग्नल: स्थिर, संरचित सिग्नल
- खण्डित: संरचित तर खण्डहरूमा परिवर्तन हुँदै
- white_noise: समतल, अनियमित आवाज
- गैर-स्थिर: अनियमित उतारचढाव
- signal_low: संरचना उपस्थित छ, तर पूर्ण विश्लेषणका लागि डेटा धेरै छोटो छ

यो उपकरणले के गर्न सक्दैन

- तरंगरूप आकार पुनर्निर्माण गर्न सक्दैन
- भौतिक स्रोत पत्ता लगाउन सक्दैन
- भविष्य भविष्यवाणी गर्न सक्दैन
- बहु-च्यानल डेटा प्रशोधन गर्न सक्दैन
- 500 बिन्दुहरू भन्दा छोटो डेटा प्रशोधन गर्न सक्दैन
- बलियो प्रवृत्ति भएको डेटालाई पहिले डिट्रेन्ड नगरेसम्म प्रशोधन गर्न सक्दैन

तपाईंले के प्रदान गर्नुपर्छ

1. तपाईंको समय-श्रृंखला डेटा फाइल
ढाँचा: CSV, TSV, TXT, वा HDF5
सामग्री: कम्तिमा एउटा संख्यात्मक स्तम्भ (समयस्ट्याम्प वैकल्पिक)
लम्बाइ: 1000 बिन्दु न्यूनतम (5000+ सिफारिस गरिएको)

2. नमूना दर
उदाहरणहरू: प्रति सेकेन्ड एक नमूना, प्रति मिलिसेकेन्ड एक, LIGO 16384 Hz

3. तपाईंको लक्ष्य
उदाहरणहरू:
- कुन फ्रिक्वेन्सी ब्यान्डमा सिग्नल छ पत्ता लगाउनुहोस्
- राज्य परिवर्तनको सही समय पत्ता लगाउनुहोस्
- दुई डेटा अवधिहरू बीचको संरचना तुलना गर्नुहोस्

कहिले प्रयोग गर्ने

- तपाईंसँग लामो, एकल-च्यानल समय श्रृंखला छ
- तपाईंलाई प्रणाली व्यवहार कुनै बिन्दुमा परिवर्तन भएको शंका छ
- तपाईं "पावर ग्लिच" लाई "संरचनात्मक परिवर्तन" बाट छुट्याउन चाहनुहुन्छ
- तपाईंलाई गहिरो विश्लेषण गर्नु अघि स्वचालित पहिलो-पास स्क्रिनिङ चाहिन्छ

कहिले प्रयोग नगर्ने

- वास्तविक-समय स्ट्रिमिङ
- बहु-सेन्सर एरेहरू
- तपाईंलाई भौतिक व्याख्या चाहिन्छ
- तपाईंलाई त्रुटि स्थानीयकरण चाहिन्छ
- तपाईंलाई भविष्यको भविष्यवाणी चाहिन्छ

मूल्य निर्धारण

- आधारभूत: एक डेटासेट, रिपोर्ट + CSV (उद्धरणका लागि सम्पर्क गर्नुहोस्)
- मानक: 3 डेटासेटसम्म, तुलनात्मक विश्लेषण, एक Q&A राउन्ड
- उन्नत: ब्याच विश्लेषण, अनुकूलन प्यारामिटरहरू, स्रोत कोड लाइसेन्स

बारम्बार सोधिने प्रश्नहरू

प्रश्न: यो FFT / PSD भन्दा कसरी फरक छ?
उत्तर: PSD ले तपाईंलाई "प्रत्येक फ्रिक्वेन्सीमा कति शक्ति छ" भन्छ। यो उपकरणले तपाईंलाई "प्रत्येक फ्रिक्वेन्सीमा कस्तो प्रकारको संरचना छ, र कहिले परिवर्तन हुन्छ" भन्छ।

प्रश्न: के यसले त्रुटि पत्ता लगाउन सक्छ?
उत्तर: सक्दैन। यसमा केवल एक-आयामी समय-श्रृंखला डेटा छ, कुनै स्थानिक जानकारी छैन। यसले तपाईंलाई "संरचना परिवर्तन भयो" भन्छ, "कहाँ परिवर्तन भयो" भन्दैन।

प्रश्न: समयको शुद्धता कति छ?
उत्तर: विन्डोको लम्बाइमा निर्भर गर्दछ। 1-सेकेन्ड विन्डोको साथ, संक्रमण पत्ता लगाउने लगभग ±1 सेकेन्डसम्म सही हुन्छ।

प्रश्न: के यसले मेरो डेटा ह्यान्डल गर्न सक्छ?
उत्तर: पहिले जाँच गर्नुहोस्: लम्बाइ ≥ 1000 बिन्दुहरू, कुनै बलियो प्रवृत्ति छैन, र स्पष्ट परिवर्तन अपेक्षित छ। यदि त्यसो हो भने, यसले काम गर्नुपर्छ। यदि होइन भने, उपकरणले तपाईंलाई विश्लेषण गर्न सक्दैन भनेर बताउनेछ।