شناسایی خطاهای موجود در برداشت داده های آزمایشگاهی، با استفاده از الگوریتم های تشخیص داده خطا
Publish place: 15th Fluid Dynamics Conference
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,112
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CFD15_051
Index date: 20 July 2014
شناسایی خطاهای موجود در برداشت داده های آزمایشگاهی، با استفاده از الگوریتم های تشخیص داده خطا abstract
توصیف بسیاری از روابط پیچیده میان پدیده های مختلف، از طریق روابط تجربی امکان پذیر شده است که این روابط متکی به مطالعات آزمایشگاهی و میدانی می باشند. در این مطالعات مقادیر مختلفی ثبت و ا ندازه گیری می شوند. یکی از مهمترین مواردی که در یک فرآیند اندازه گیری مورد توجه است، خطا در اندازه گیری ها است. در یک مطالعه فیزیکی، در تمام مراحل طراحیف نصب، اجرا، اندازه گیری و تحلیل داده ها امکان ایجاد خطا وجود دارد. خطاهای ایجاد شده سبب کاهش میزان صحت و ا عتماد پذیری نتایج می شوند. ایجاد خطا و عدم قطعیت در اندازه گیری ها ممکن است براثر عواملی نظیر محیط آزمایشگاه، خطاهای دستگاهی، خطاهای آزمایشگاهی، خطاهای انسانی، نحوه گردآوری داده ها و سایر ع وامل ایجاد شوند. م تأسفانه تا کنون به صورت شایسته به این موضوع مهم پرداخته نشده و تنها محققین معدودی به آن پرداخته اند. در این مقاله برخی از روش های شناسایی داده های نامعتبر که از آنها می توان جهت شناسایی خطاهای احتمالی موجود در اندازه گیری ها استفاده کرد، معرفی، و نحوه بکارگیری آنها توضیح داده شده است. روش های مورد بحث عبارتند از: نمودار جعبه ای، نمودار جعبه ای تعدیل شده و روش ضریب داده پرت محلی
شناسایی خطاهای موجود در برداشت داده های آزمایشگاهی، با استفاده از الگوریتم های تشخیص داده خطا Keywords:
اندازه گیی جریان , شناسایی خطا , نمودار جعبه ای , نمودار جعبه ای تعدیل شده , روش ضریب داده پرت محلی (Local Outlier Factor)
شناسایی خطاهای موجود در برداشت داده های آزمایشگاهی، با استفاده از الگوریتم های تشخیص داده خطا authors
کیومرث محمودی
دانشجوی کارشناسی ارشد مهندسی سواحل، دانشگاه صنعتی امیرکبیر
مصباح سایبانی
استادیار دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر
عباس مرادی
استادیار دانشکده علوم و فنون دریایی، دانشگاه هرمزگان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :