Tôi sẽ chẩn đoán dữ liệu chuỗi thời gian của bạn bằng cách quét dải tần số tự động và phát hiện thay đổi trạng thái

ĐÂY LÀ GÌ

Đây là một công cụ chẩn đoán cho dữ liệu chuỗi thời gian một kênh. Nó tự động:
- Tìm các dải tần số chứa cấu trúc
- Phân loại mỗi dải thành một trong năm loại
- Phát hiện những thay đổi đột ngột trong hành vi hệ thống
- So sánh dữ liệu từ các khoảng thời gian khác nhau

Nó KHÔNG yêu cầu dữ liệu huấn luyện được gắn nhãn, các mẫu được xác định trước hoặc một mô hình vật lý. Nó sử dụng bốn chỉ số thống kê độc lập: hệ số biến thiên, entropy mẫu, độ lệch bao và tỷ lệ tái diễn.

Tham khảo học thuật: Zenodo preprint DOI 10.5281/zenodo.22837806

NHỮNG GÌ BẠN NHẬN ĐƯỢC

Báo cáo chẩn đoán (PDF) với:
- Các chỉ số trên mỗi dải: CV, entropy mẫu, độ lệch, tỷ lệ tái diễn
- Phân loại trên mỗi dải
- Dấu thời gian chuyển đổi được phát hiện
- Trực quan hóa ba bảng (tín hiệu thô, CV theo thời gian, entropy theo thời gian)

Bảng kết quả có cấu trúc (CSV) chứa tất cả các chỉ số và nhãn dải.

Một ghi chú phương pháp luận giải thích luồng phân tích, các tham số và cách đọc kết quả.

CÁCH THỨC HOẠT ĐỘNG — TIẾNG ANH ĐƠN GIẢN

Hãy coi dữ liệu của bạn như một tín hiệu radio. Các công cụ truyền thống cho bạn biết “có năng lượng ở 50-80 Hz.” Công cụ này cho bạn biết “tín hiệu ở 50-80 Hz ổn định và có cấu trúc” hoặc “tín hiệu ở 50-80 Hz đang thay đổi theo từng phân đoạn” hoặc “dải tần đó chỉ là nhiễu ngẫu nhiên.”

Nó cũng cho bạn biết thời điểm chính xác khi hành vi thay đổi — ví dụ: “tại t=568 giây, hệ thống chuyển từ ổn định sang không ổn định.”

NĂM NHÃN PHÂN LOẠI

- tín hiệu: tín hiệu ổn định, có cấu trúc
- phân đoạn: có cấu trúc nhưng thay đổi theo từng phân đoạn
- nhiễu trắng: nhiễu phẳng, ngẫu nhiên
- không ổn định: dao động ngẫu nhiên
- tín hiệu_thấp: có cấu trúc, nhưng dữ liệu quá ngắn để phân tích đầy đủ

NHỮNG GÌ CÔNG CỤ NÀY KHÔNG THỂ LÀM

- Không thể tái tạo hình dạng dạng sóng
- Không thể xác định vị trí nguồn vật lý
- Không thể dự đoán tương lai
- Không thể xử lý dữ liệu đa kênh
- Không thể xử lý dữ liệu ngắn hơn 500 điểm
- Không thể xử lý dữ liệu có xu hướng mạnh trừ khi được loại bỏ xu hướng trước

NHỮNG GÌ BẠN CẦN CUNG CẤP

1. Tệp dữ liệu chuỗi thời gian của bạn
Định dạng: CSV, TSV, TXT hoặc HDF5
Nội dung: ít nhất một cột số (dấu thời gian tùy chọn)
Độ dài: tối thiểu 1000 điểm (khuyến nghị 5000+)

2. Tốc độ lấy mẫu
Ví dụ: một mẫu mỗi giây, một mẫu mỗi mili giây, LIGO 16384 Hz

3. Mục tiêu của bạn
Ví dụ:
- Tìm dải tần nào chứa tín hiệu
- Phát hiện thời điểm chính xác của sự thay đổi trạng thái
- So sánh cấu trúc giữa hai khoảng thời gian dữ liệu

KHI NÀO NÊN SỬ DỤNG

- Bạn có một chuỗi thời gian dài, một kênh
- Bạn nghi ngờ hành vi hệ thống đã thay đổi tại một thời điểm nào đó
- Bạn muốn phân biệt “sự cố nguồn” với “thay đổi cấu trúc”
- Bạn cần sàng lọc tự động lần đầu trước khi phân tích sâu hơn

KHI NÀO KHÔNG NÊN SỬ DỤNG

- Truyền phát thời gian thực
- Mảng đa cảm biến
- Bạn cần giải thích vật lý
- Bạn cần định vị lỗi
- Bạn cần dự đoán tương lai

GIÁ CẢ

- Cơ bản: một tập dữ liệu, báo cáo + CSV (liên hệ để báo giá)
- Tiêu chuẩn: tối đa 3 tập dữ liệu, phân tích so sánh, một vòng hỏi đáp
- Nâng cao: phân tích hàng loạt, tham số tùy chỉnh, giấy phép mã nguồn

Câu hỏi thường gặp

Hỏi: Điều này khác với FFT / PSD như thế nào?
Đ: PSD cho bạn biết “có bao nhiêu năng lượng ở mỗi tần số.” Công cụ này cho bạn biết “loại cấu trúc nào ở mỗi tần số và khi nào nó thay đổi.”

Hỏi: Nó có thể định vị lỗi không?
Đ: Không. Nó chỉ có dữ liệu chuỗi thời gian một chiều, không có thông tin không gian. Nó cho bạn biết “cấu trúc đã thay đổi,” chứ không phải “nơi nó thay đổi.”

Hỏi: Độ chính xác thời gian là bao nhiêu?
Đ: Tùy thuộc vào độ dài cửa sổ. Với cửa sổ 1 giây, phát hiện chuyển đổi chính xác đến khoảng ±1 giây.

Hỏi: Nó có thể xử lý dữ liệu của tôi không?
Đ: Kiểm tra đầu tiên: độ dài ≥ 1000 điểm, không có xu hướng mạnh và dự kiến có sự thay đổi rõ ràng. Nếu vậy, nó sẽ hoạt động. Nếu không, công cụ sẽ cho bạn biết nó không thể phân tích.