ฉันจะวินิจฉัยข้อมูลอนุกรมเวลาของคุณด้วยการสแกนย่านความถี่อัตโนมัติและการตรวจจับการเปลี่ยนแปลงสถานะ

นี่คืออะไร

นี่คือเครื่องมือวินิจฉัยสำหรับข้อมูลอนุกรมเวลาแบบช่องเดียว โดยจะดำเนินการโดยอัตโนมัติ:
- ค้นหาแถบความถี่ที่มีโครงสร้าง
- จัดประเภทแต่ละแถบเป็นหนึ่งในห้าประเภท
- ตรวจจับการเปลี่ยนแปลงพฤติกรรมของระบบอย่างกะทันหัน
- เปรียบเทียบข้อมูลจากช่วงเวลาที่แตกต่างกัน

ไม่จำเป็นต้องมีข้อมูลการฝึกอบรมที่มีป้ายกำกับ, เทมเพลตที่กำหนดไว้ล่วงหน้า หรือแบบจำลองทางกายภาพ โดยใช้เมตริกทางสถิติอิสระสี่รายการ: สัมประสิทธิ์การแปรผัน, เอนโทรปีตัวอย่าง, ความเบ้ของซองจดหมาย และอัตราการเกิดซ้ำ

อ้างอิงทางวิชาการ: Zenodo preprint DOI 10.5281/zenodo.22837806

สิ่งที่คุณได้รับ

รายงานการวินิจฉัย (PDF) พร้อม:
- เมตริกต่อแถบ: CV, เอนโทรปีตัวอย่าง, ความเบ้, อัตราการเกิดซ้ำ
- การจำแนกประเภทต่อแถบ
- การประทับเวลาการเปลี่ยนผ่านที่ตรวจพบ
- การแสดงภาพสามแผง (สัญญาณดิบ, CV ตามเวลา, เอนโทรปีตามเวลา)

ตารางผลลัพธ์ที่มีโครงสร้าง (CSV) ที่มีเมตริกและป้ายกำกับแถบทั้งหมด

หมายเหตุระเบียบวิธีอธิบายขั้นตอนการวิเคราะห์ พารามิเตอร์ และวิธีการอ่านผลลัพธ์

วิธีการทำงาน — ภาษาอังกฤษแบบง่าย

ลองนึกภาพข้อมูลของคุณเป็นสัญญาณวิทยุ เครื่องมือแบบดั้งเดิมจะบอกคุณว่า "มีพลังงานที่ 50-80 Hz" เครื่องมือนี้จะบอกคุณว่า "สัญญาณที่ 50-80 Hz มีความเสถียรและมีโครงสร้าง" หรือ "สัญญาณที่ 50-80 Hz กำลังเปลี่ยนแปลงเป็นส่วนๆ" หรือ "ย่านความถี่นั้นเป็นเพียงสัญญาณรบกวนแบบสุ่ม"

นอกจากนี้ยังบอกเวลาที่พฤติกรรมเปลี่ยนไปอย่างแม่นยำ เช่น: "ที่ t=568 วินาที ระบบเปลี่ยนจากเสถียรเป็นไม่เสถียร"

ห้าป้ายกำกับการจัดประเภท

- สัญญาณ: สัญญาณที่มีโครงสร้างและเสถียร
- แบ่งส่วน: มีโครงสร้างแต่เปลี่ยนแปลงเป็นส่วนๆ
- white_noise: สัญญาณรบกวนแบบสุ่มและราบเรียบ
- ไม่คงที่: ความผันผวนแบบสุ่ม
- signal_low: มีโครงสร้างอยู่ แต่ข้อมูลสั้นเกินไปสำหรับการวิเคราะห์เต็มรูปแบบ

สิ่งที่เครื่องมือนี้ทำไม่ได้

- ไม่สามารถสร้างรูปร่างของคลื่นใหม่ได้
- ไม่สามารถระบุแหล่งกำเนิดทางกายภาพได้
- ไม่สามารถทำนายอนาคตได้
- ไม่สามารถประมวลผลข้อมูลหลายช่องสัญญาณได้
- ไม่สามารถประมวลผลข้อมูลที่สั้นกว่า 500 จุดได้
- ไม่สามารถประมวลผลข้อมูลที่มีแนวโน้มที่แข็งแกร่งได้ เว้นแต่จะมีการลบแนวโน้มออกก่อน

สิ่งที่คุณต้องจัดเตรียม

1. ไฟล์ข้อมูลอนุกรมเวลาของคุณ
รูปแบบ: CSV, TSV, TXT หรือ HDF5
เนื้อหา: อย่างน้อยหนึ่งคอลัมน์ตัวเลข (ประทับเวลาเป็นทางเลือก)
ความยาว: ขั้นต่ำ 1000 จุด (แนะนำ 5000+)

2. อัตราการสุ่มตัวอย่าง
ตัวอย่าง: หนึ่งตัวอย่างต่อวินาที, หนึ่งตัวอย่างต่อมิลลิวินาที, LIGO 16384 Hz

3. เป้าหมายของคุณ
ตัวอย่าง:
- ค้นหาว่าย่านความถี่ใดมีสัญญาณ
- ตรวจจับเวลาที่แน่นอนของการเปลี่ยนแปลงสถานะ
- เปรียบเทียบโครงสร้างระหว่างสองช่วงข้อมูล

เมื่อใดควรใช้

- คุณมีอนุกรมเวลาแบบช่องสัญญาณเดียวที่ยาวนาน
- คุณสงสัยว่าพฤติกรรมของระบบเปลี่ยนไป ณ จุดใดจุดหนึ่ง
- คุณต้องการแยกแยะ "ความผิดปกติของพลังงาน" ออกจาก "การเปลี่ยนแปลงโครงสร้าง"
- คุณต้องการการคัดกรองเบื้องต้นแบบอัตโนมัติก่อนการวิเคราะห์เชิงลึก

เมื่อใดไม่ควรใช้

- การสตรีมแบบเรียลไทม์
- อาร์เรย์หลายเซ็นเซอร์
- คุณต้องการคำอธิบายทางกายภาพ
- คุณต้องการการระบุตำแหน่งข้อผิดพลาด
- คุณต้องการการทำนายอนาคต

ราคา

- พื้นฐาน: หนึ่งชุดข้อมูล, รายงาน + CSV (ติดต่อสอบถามราคา)
- มาตรฐาน: สูงสุด 3 ชุดข้อมูล, การวิเคราะห์เชิงเปรียบเทียบ, การถามตอบหนึ่งรอบ
- ขั้นสูง: การวิเคราะห์แบบแบตช์, พารามิเตอร์ที่กำหนดเอง, ใบอนุญาตซอร์สโค้ด

คำถามที่พบบ่อย

ถาม: สิ่งนี้แตกต่างจาก FFT / PSD อย่างไร
ตอบ: PSD บอกคุณว่า "มีพลังงานเท่าใดในแต่ละความถี่" เครื่องมือนี้บอกคุณว่า "โครงสร้างแบบใดอยู่ในแต่ละความถี่ และเมื่อใดที่มันเปลี่ยนแปลง"

ถาม: สามารถระบุตำแหน่งข้อผิดพลาดได้หรือไม่
ตอบ: ไม่ได้ มีเพียงข้อมูลอนุกรมเวลาแบบมิติเดียว ไม่มีข้อมูลเชิงพื้นที่ มันบอกคุณว่า "โครงสร้างเปลี่ยนไป" ไม่ใช่ "เปลี่ยนไปที่ไหน"

ถาม: ความแม่นยำของเวลาเป็นเท่าใด
ตอบ: ขึ้นอยู่กับความยาวของหน้าต่าง ด้วยหน้าต่าง 1 วินาที การตรวจจับการเปลี่ยนผ่านจะแม่นยำประมาณ ±1 วินาที

ถาม: สามารถจัดการข้อมูลของฉันได้หรือไม่
ตอบ: ตรวจสอบก่อน: ความยาว ≥ 1000 จุด, ไม่มีแนวโน้มที่แข็งแกร่ง และคาดว่าจะมีการเปลี่ยนแปลงที่ชัดเจน หากเป็นเช่นนั้น ควรใช้งานได้ หากไม่เป็นเช่นนั้น เครื่องมือจะแจ้งให้คุณทราบว่าไม่สามารถวิเคราะห์ได้