Otomatik Frekans Bandı Tarama ve Durum Değişikliği Tespiti ile Zaman Serisi Verilerinizi Teşhis Edeceğim

BU NEDİR

Bu, tek kanallı zaman serisi verileri için bir teşhis aracıdır. Otomatik olarak:
- Yapı içeren frekans bantlarını bulur
- Her bandı beş türden birine sınıflandırır
- Sistem davranışındaki ani değişiklikleri algılar
- Farklı zaman dilimlerindeki verileri karşılaştırır

Etiketli eğitim verileri, önceden tanımlanmış şablonlar veya fiziksel bir model gerektirmez. Dört bağımsız istatistiksel metrik kullanır: varyasyon katsayısı, örnek entropi, zarf çarpıklığı ve tekrar oranı.

Akademik referans: Zenodo ön baskısı DOI 10.5281/zenodo.22837806

NE ALACAKSINIZ

Şunları içeren bir teşhis raporu (PDF):
- Bant başına metrikler: CV, örnek entropi, çarpıklık, tekrar oranı
- Bant başına sınıflandırma
- Algılanan geçiş zaman damgaları
- Üç panelli görselleştirme (ham sinyal, zaman içindeki CV, zaman içindeki entropi)

Tüm bant metriklerini ve etiketlerini içeren yapılandırılmış bir sonuç tablosu (CSV).

Analiz akışını, parametreleri ve sonuçların nasıl okunacağını açıklayan bir metodoloji notu.

NASIL ÇALIŞIR — BASİT İNGİLİZCE

Verilerinizi bir radyo sinyali olarak düşünün. Geleneksel araçlar size "50-80 Hz'de enerji var" der. Bu araç size "50-80 Hz'deki sinyal kararlı ve yapılandırılmış" veya "50-80 Hz'deki sinyal segmentler halinde değişiyor" veya "o bant sadece rastgele gürültü" der.

Ayrıca davranışın tam olarak ne zaman değiştiğini de söyler — örneğin: "t=568 saniyede sistem kararlıdan kararsıza geçti."

BEŞ SINIFLANDIRMA ETİKETİ

- sinyal: kararlı, yapılandırılmış sinyal
- segmentli: yapılandırılmış ancak segmentler halinde değişiyor
- white_noise: düz, rastgele gürültü
- durağan olmayan: rastgele dalgalanma
- signal_low: yapı mevcut, ancak veri tam analiz için çok kısa

BU ARAÇ NELER YAPAMAZ

- Dalga formu şeklini yeniden oluşturamaz
- Fiziksel bir kaynak bulamaz
- Geleceği tahmin edemez
- Çok kanallı verileri işleyemez
- 500 noktadan kısa verileri işleyemez
- Önce detrend edilmedikçe güçlü bir trende sahip verileri işleyemez

SAĞLAMANIZ GEREKENLER

1. Zaman serisi veri dosyanız
Biçim: CSV, TSV, TXT veya HDF5
İçerik: en az bir sayısal sütun (zaman damgası isteğe bağlı)
Uzunluk: minimum 1000 nokta (5000+ önerilir)

2. Örnekleme hızı
Örnekler: saniyede bir örnek, milisaniyede bir, LIGO 16384 Hz

3. Hedefiniz
Örnekler:
- Hangi frekans bandının bir sinyal içerdiğini bulun
- Bir durum değişikliğinin tam zamanını tespit edin
- İki veri dönemi arasındaki yapıyı karşılaştırın

NE ZAMAN KULLANILMALI

- Uzun, tek kanallı bir zaman seriniz var
- Sistem davranışının bir noktada değiştiğinden şüpheleniyorsunuz
- "Güç arızası" ile "yapısal değişiklik" arasında ayrım yapmak istiyorsunuz
- Daha derin bir analizden önce otomatik bir ilk geçiş taramasına ihtiyacınız var

NE ZAMAN KULLANILMAMALI

- Gerçek zamanlı akış
- Çok sensörlü diziler
- Fiziksel açıklamaya ihtiyacınız var
- Hata konumlandırmasına ihtiyacınız var
- Gelecek tahmini yapmanız gerekiyor

FİYATLANDIRMA

- Temel: bir veri kümesi, rapor + CSV (fiyat teklifi için iletişime geçin)
- Standart: 3 veri kümesine kadar, karşılaştırmalı analiz, bir Soru-Cevap turu
- Gelişmiş: toplu analiz, özel parametreler, kaynak kodu lisansı

SSS

S: Bu, FFT / PSD'den nasıl farklıdır?
C: PSD size "her frekansta ne kadar güç olduğunu" söyler. Bu araç size "her frekansta ne tür bir yapı olduğunu ve ne zaman değiştiğini" söyler.

S: Hatayı bulabilir mi?
C: Hayır. Sadece tek boyutlu zaman serisi verileri vardır, uzamsal bilgi yoktur. Size "yapı değişti" der, "nerede değişti" demez.

S: Zaman hassasiyeti nedir?
C: Pencere uzunluğuna bağlıdır. 1 saniyelik bir pencere ile geçiş tespiti yaklaşık ±1 saniye hassasiyetindedir.

S: Verilerimi işleyebilir mi?
C: İlk kontrol: uzunluk ≥ 1000 nokta, güçlü bir trend yok ve net bir değişiklik bekleniyor. Eğer öyleyse, çalışması gerekir. Değilse, araç size analiz edemeyeceğini söyleyecektir.