نشاط محمدعبدالقادر:
-
8
-
0
-
0
- شركة كشف تسربات المياه بالمدينة المنورة
شركة كشف تسربات المياه بسكاكا
في السنوات الأخيرة ، تم استخدام طرق تشخيص العيوب القائمة على النمذجة على نطاق واسع لتحسين توافر وموثوقية الأنظمة الميكانيكية المعرضة للعيوب . تستخدم هذه الطرق متجهات توقيع عالية الأبعاد لمنع مخاطر إسقاط المعلومات الأساسية المحتملة. ومع ذلك ، فإن بعض تواقيع الخلل تكون متكررة أو غير قابلة للتطبيق على نماذج التنبؤ (أي التعلم غير الخاضع للإشراف والإشراف). نتيجة لذلك ، يمكن أن تكون بصمات العيوب هذه مصدرًا أساسيًا لتدهور كفاءة التشخيص. لمعالجة هذه المشكلة ، تحول اختيار توقيع العيب التمييزي إلى جزء لا غنى عنه من التشخيص الجدير بالثقة. بشكل أساسي ، يتم تنفيذ الخطوتين التاليتين في إجراء اختيار التوقيع ، وهما خطوة تكوين مجموعات التوقيع الفرعية وخطوة تقييم جودة المجموعة الفرعية للتوقيع. على وجه التحديد ، يتم أولاً تجميع عدد من مجموعات التوقيع الفرعية ثم تقييمها. بناءً على خطوة التقييم ، يتم تصنيف استراتيجيات اختيار التوقيع بشكل أساسي في أغلفة أو مرشحات. تستخدم طرق التصفية استراتيجية تقييم منفصلة عن أي استراتيجية تصنيف ، بينما تستخدم استراتيجيات الغلاف تقديرات الدقة لمصنفات معينة أثناء تقييم جودة المجموعة الفرعية للتوقيع . نتيجة لذلك ، توفر منهجيات الغلاف كفاءة تشخيصية أفضل للمصنفات المحددة مسبقًا من استراتيجيات التصفية ، من الناحية النظرية. ومع ذلك ، فإن طرق التصفية مربحة من الناحية الحسابية لأنها تتجاوز خطوة تقدير الدقة لمصنف معين.
شركة كشف تسربات المياه بالمدينة المنورة
من الناحية العملية ، تؤثر الظروف المختلفة على إشارات التسرب ، مثل قطر الأنبوب والبيئة المحيطة ومواد خط الأنابيب ومعدل التدفق والضغط . لذلك ، قد لا تكون البيانات التي تم جمعها لمصنفات التدريب كبيرة بما يكفي وقد لا تكون الميزات المستخرجة منها سلسة بما يكفي لتغطية مساحة الاحتمالية الكاملة للميزات. نتيجة لذلك ، قد يتم تقليل دقة تقييم الميزات والاختيار بناءً على هذه البيانات. علاوة على ذلك ، يعد اكتشاف التسرب تطبيقًا حقيقيًا ، وبالتالي يجب أن تكون التقنيات بسيطة وفعالة وسهلة التنفيذ بواسطة الأجهزة. في الآونة الأخيرة ، تو وآخرون. عرضت معامل تقييم فعال متعدد المتغيرات للتوقيع لتقييم قابلية الفصل بين الفئات والضغط داخل الصنف في وقت واحد اعتمادًا على التنبؤ بمساحة التوقيع من رقم نقطة بيانات مقيد [12]. بناءً على هذا المعامل ، يتم تحسين الأداء التشخيصي ، في حالة عدم اتساع بيانات التدريب بشكل كافٍ. ومع ذلك ، فإن جودة اكتشاف التسرب تتأثر أيضًا بالأشخاص الخارجيين. تعتبر هذه التأثيرات كنقاط بيانات ضوضاء ذات توزيع احتمالي منخفض ، وهي بعيدة عن نقطة البيانات المركزية في نفس الفئة. تعتمد دقة النموذج واستقراره بشكل كبير على مجموعة بيانات التدريب. إذا كانت مجموعة بيانات التدريب أقل عمومية ، فإن النموذج التشخيصي المبني عليها سيقلل من موثوقية الأداء واستقراره. للتعامل مع هذه المشكلة ، تم تقديم طريقة تجديد البيانات في هذه الدراسة. على وجه الخصوص ، تم استخدام لأول مرة لتقييم التوقيعات كطريقة تصفية ، ثم تم إنتاج مجموعة التوقيع الفرعية الأكثر تمييزًا. استنادًا إلى مجموعة التوقيع الفرعية المحددة ، يعد اكتشاف الغرباء وإزالتهم من مجموعة البيانات المعروفة قبل تدريب نموذج التشخيص مشكلة رئيسية.
في السنوات الأخيرة ، تم استخدام طرق تشخيص العيوب القائمة على النمذجة على نطاق واسع لتحسين توافر وموثوقية الأنظمة الميكانيكية المعرضة للعيوب . تستخدم هذه الطرق متجهات توقيع عالية الأبعاد لمنع مخاطر إسقاط المعلومات الأساسية المحتملة. ومع ذلك ، فإن بعض تواقيع الخلل تكون متكررة أو غير قابلة للتطبيق على نماذج التنبؤ (أي التعلم غير الخاضع للإشراف والإشراف). نتيجة لذلك ، يمكن أن تكون بصمات العيوب هذه مصدرًا أساسيًا لتدهور كفاءة التشخيص. لمعالجة هذه المشكلة ، تحول اختيار توقيع العيب التمييزي إلى جزء لا غنى عنه من التشخيص الجدير بالثقة. بشكل أساسي ، يتم تنفيذ الخطوتين التاليتين في إجراء اختيار التوقيع ، وهما خطوة تكوين مجموعات التوقيع الفرعية وخطوة تقييم جودة المجموعة الفرعية للتوقيع. على وجه التحديد ، يتم أولاً تجميع عدد من مجموعات التوقيع الفرعية ثم تقييمها. بناءً على خطوة التقييم ، يتم تصنيف استراتيجيات اختيار التوقيع بشكل أساسي في أغلفة أو مرشحات. تستخدم طرق التصفية استراتيجية تقييم منفصلة عن أي استراتيجية تصنيف ، بينما تستخدم استراتيجيات الغلاف تقديرات الدقة لمصنفات معينة أثناء تقييم جودة المجموعة الفرعية للتوقيع . نتيجة لذلك ، توفر منهجيات الغلاف كفاءة تشخيصية أفضل للمصنفات المحددة مسبقًا من استراتيجيات التصفية ، من الناحية النظرية. ومع ذلك ، فإن طرق التصفية مربحة من الناحية الحسابية لأنها تتجاوز خطوة تقدير الدقة لمصنف معين.
شركة كشف تسربات المياه بالمدينة المنورة
من الناحية العملية ، تؤثر الظروف المختلفة على إشارات التسرب ، مثل قطر الأنبوب والبيئة المحيطة ومواد خط الأنابيب ومعدل التدفق والضغط . لذلك ، قد لا تكون البيانات التي تم جمعها لمصنفات التدريب كبيرة بما يكفي وقد لا تكون الميزات المستخرجة منها سلسة بما يكفي لتغطية مساحة الاحتمالية الكاملة للميزات. نتيجة لذلك ، قد يتم تقليل دقة تقييم الميزات والاختيار بناءً على هذه البيانات. علاوة على ذلك ، يعد اكتشاف التسرب تطبيقًا حقيقيًا ، وبالتالي يجب أن تكون التقنيات بسيطة وفعالة وسهلة التنفيذ بواسطة الأجهزة. في الآونة الأخيرة ، تو وآخرون. عرضت معامل تقييم فعال متعدد المتغيرات للتوقيع لتقييم قابلية الفصل بين الفئات والضغط داخل الصنف في وقت واحد اعتمادًا على التنبؤ بمساحة التوقيع من رقم نقطة بيانات مقيد [12]. بناءً على هذا المعامل ، يتم تحسين الأداء التشخيصي ، في حالة عدم اتساع بيانات التدريب بشكل كافٍ. ومع ذلك ، فإن جودة اكتشاف التسرب تتأثر أيضًا بالأشخاص الخارجيين. تعتبر هذه التأثيرات كنقاط بيانات ضوضاء ذات توزيع احتمالي منخفض ، وهي بعيدة عن نقطة البيانات المركزية في نفس الفئة. تعتمد دقة النموذج واستقراره بشكل كبير على مجموعة بيانات التدريب. إذا كانت مجموعة بيانات التدريب أقل عمومية ، فإن النموذج التشخيصي المبني عليها سيقلل من موثوقية الأداء واستقراره. للتعامل مع هذه المشكلة ، تم تقديم طريقة تجديد البيانات في هذه الدراسة. على وجه الخصوص ، تم استخدام لأول مرة لتقييم التوقيعات كطريقة تصفية ، ثم تم إنتاج مجموعة التوقيع الفرعية الأكثر تمييزًا. استنادًا إلى مجموعة التوقيع الفرعية المحددة ، يعد اكتشاف الغرباء وإزالتهم من مجموعة البيانات المعروفة قبل تدريب نموذج التشخيص مشكلة رئيسية.