تجزیه و تحلیل جریان و پنجره های تطبیقی برای شناسایی حالت عملیاتی سیستم های صنعتی متغیر با زمان
| عنوان | تجزیه و تحلیل جریان و پنجره های تطبیقی برای شناسایی حالت عملیاتی سیستم های صنعتی متغیر با زمان |
|---|---|
| نویسنده | خدابخش، اطهر، آری، اسماعیل، باکر، م.، آلاگوز، س. م. |
| تاریخ انتشار: | 2018-09-07 |
| محل انتشار | - IEEE |
| موضوع | شناسایی حالت عملیاتی، حسگر، رگرسیون خطی، دادههای جریان، پنجره تطبیقی، تشخیص بیرونی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-1-5386-7232-7 |
| شماره ثبت | 995a4e6a-5d20-4e04-8e1d-28f6c417b51a |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2018-09-07 |
| یادداشتها | TUPRAS |
| متن نمونه | توسعه مدلهای دقیق و در عین حال ساده و کارآمد که بتوان با جریانهای داده صنعتی پرسرعت مورد استفاده قرار گیرد، ضروری است. در این مقاله، ما یک تکنیک شناسایی حالت را با استفاده از تجزیه و تحلیل جریان توسعه میدهیم و نشان میدهیم که ممکن است نسبت به مدلهای دستهای مؤثرتر باشد، به ویژه برای سیستمهای متغیر با زمان. این سیستم های صنعتی به طور مداوم صدها حسگر را رصد می کنند، اما روابط بین متغیرها در طول زمان تغییر می کند که به عنوان حالت های عملیاتی مختلف شناسایی می شوند. برای تشخیص انحرافات بین حالتها، تکنیکهای مدلسازی پیشبینیکننده مانند تحلیل رگرسیون، K-means و خوشهبندی DBSCAN بر روی جریانهای داده حسگر از یک پالایشگاه نفت استفاده میشوند و مدلها در زمان واقعی با استفاده از تحلیل مبتنی بر پنجره بهروزرسانی میشوند. در نهایت، یک رویکرد تنظیم اندازه پنجره تطبیقی بر اساس الگوریتم کنترل تراکم TCP مورد بحث قرار میگیرد که هزینههای بهروزرسانی مدل و همچنین خطاهای پیشبینی را کاهش میدهد. |
| DOI | 10.1109/BigDataCongress.2018.00042 |
