جستجوی مقالات مرتبط با کلیدواژه "تحلیل سری زمانی" در نشریات گروه "عمران"
تکرار جستجوی کلیدواژه «تحلیل سری زمانی» در نشریات گروه «فنی و مهندسی»-
اگرچه تاکنون سیستم های پایش سلامت سازه پیشرفت های قابل توجهی کرده اند، با این حال بسیاری از این سیستم ها گران قیمت می باشند. سیستم های ارزان تر معرفی شده نیز دارای تعداد زیادی سنسور می باشند که به علت قیمت بالای سخت افزار، در کشور ما هنوز رایج نشده اند. لذا کاهش تعداد سنسورها می تواند گامی رو به جلو جهت کاربردی شدن این سیستم ها در کشور باشد. در این مقاله یک روش شناسایی خسارت ارزان قیمت بر مبنای پردازش سیگنال معرفی شده است. جهت شناسایی خسارت تنها از یک سنسور استفاده شده است. لذا از آنجا که کاهش تعداد سنسورها ممکن است از دقت روش های شناسایی خسارت بکاهد، در ابتدا چند روش پردازش سیگنال سنتی و نوین مورد مطالعه قرار گرفته اند تا مناسب ترین روش یافت شود. سپس دو شاخص خسارت جدید بر مبنای پراکندگی فرکانسها ارایه شده اند. نوسانات شاخص خسارت تحت تغییرات بار عبوری با استفاده از تحلیل سری زمانی کاهش پیدا کرده است. در نهایت نیز یک معیار برای تفکیک حالت سالم و آسیب ارایه شده است. نتایج نشان می دهد که مقادیر فرکانس پارامتر مناسبی برای شناسایی خسارت نیست و به جای آن پراکندگی فرکانس ها می تواند به عنوان جایگزین به کار رود.
کلید واژگان: شناسایی خسارت, بار ترافیک, پل یونگ, پردازش سیگنال, تحلیل سری زمانیRoad journal, Volume:28 Issue: 2, 2020, PP 89 -104Although structural health monitoring systems have considerably advanced during the last decades, they are still expensive. Moreover, the existing low-cost systems use numerous sensors. Therefore, due high price of sensor hardware they are uncommon in our country. Owing to this, reduction of sensor numbers can be a step forward toward naturalization of such systems. In this paper, a health monitoring algorithm is proposed base on signal processing. Only one sensor is employed to detect damage. Since reduction of sensor numbers can affect the accuracy of damage detection, in the first step of the paper, several signal processing techniques are compared and the best one for this case is selected. Next, two damage indices are introduced based on frequency dispersions. Time-series analysis is utilized to tackle fluctuation of damage indices. Finally, a damage threshold is defined to distinguish damaged and healthy states. Results show that frequency itself is not an appropriate damage measure. Instead, frequency dispersion can be used as alternative damage criteria.
Keywords: Damage Detection, Traffic Load, Yonghe Bridge, Signal Processing, Time-Series Analysis -
پایش سلامت سازه راهکاری اقتصادی و مطمئن به منظور ارزیابی شرایط سازه های زیر ساختی است. در سالهای اخیر محققان حوزه پایش سلامت سازه کوشیده اند که الگوریتم هایی به منظور تشخیص خرابی بر پایه روش تشخیص آماری الگو ارائه دهند. مطالعات نشان می دهد که این الگوریتم ها می توانند به طور موفقیت آمیزی در شناسایی خرابی سازه ها مورد استفاده قرار گیرند. یکی از مسائلی که باید برای اعمال روش های تشخیص آماری الگو در کاربردهای عملی در نظر گرفت متغیر بودن شرایط محیطی و کاربری در هنگام ثبت داده ها است. در نظر گرفتن این موضوع برای اجتناب از تشخیص نادرست خرابی امری ضروری می باشد. این مقاله به بررسی کارایی روش های تشخیص آماری الگو به کمک تحلیل سری زمانی در شرایط پیرامونی متفاوت می پردازد. داده های حاصل از یک مطالعه آزمایشگاهی شامل سیستم هشت درجه آزادی جرم و فنر مورد استفاده قرار گرفته است. با تغییر ولتاژ سیگنال اعمالی، توانایی این روش ها در تشخیص خرابی در شرایط پیرامونی متفاوت مورد بحث قرار گرفته است. دو رویکرد پرکاربرد تشخیص آماری الگو شامل مدل اتورگرسیو (AR) به همراه استفاده از نمودار کنترل و یا فاصله ماهالانوبیس در تشخیص داده های پرت بررسی شده است. نتایج حاصل اهمیت بررسی توانایی روش های تشخیص آماری الگو در تشخیص درست خرابی سازه در شرایط محیطی و کاربری متفاوت در کاربردهای عملی را نشان می دهد.کلید واژگان: تشخیص آماری الگو, تشخیص خرابی سازه ها, تحلیل سری زمانی, نمودار کنترل, فاصله ماهالانوبیسStructural health monitoring is an economical and reliable strategy for infrastructure condition assessment. In recent years, researchers have tried to propose algorithms based on statistical pattern recognition techniques. Studies show these algorithms can be successfully used to detect structural damage. Variability of operational and ambient conditions during data acquisition should be considered as an important factor in applying statistical pattern recognition methods in practical applications. This paper studies the efficiency of statistical pattern recognition methods on the damage detection of structures under various operational and ambient conditions. The data is obtained from an experimental study on an eight degrees of freedom mass spring system. Ambient vibration is applied to the mass spring system using random excitation. In order to simulate various ambient conditions, the amplitude level of the input force has been varied. By applying the statistical pattern recognition methods, the ability of these methods to damage detection under various ambient conditions is discussed. Two common approaches of statistical pattern recognition are considered. These approaches are autoregressive model accompanied with using control chart and Mahalanobis distance for outlier analysis. Results show the importance of considering the statistical pattern recognition methods for structural damage detection under various operational and ambient conditions.Keywords: Statistical pattern recognition, Structural damage detection, time history analysis, Control chart, Mahalanobis distance
-
مطالعه تغییرات محلی عوارض آبی از اهمیت زیادی در مدیریت بحران منابع آبی و پیش بینی تغییرات اقلیمی برخوردار است. به منظور بررسی این تغییرات و تشکیل سری زمانی احتیاج به داده های متوالی در طی مدت زمانی طولانی است که در این مقاله از داده های ماهواره ای اخذ شده توسط سنجنده های رادار و اپتیک به این منظور استفاده شده است. در این تحقیق به بررسی روش های کلاسیک مانند ARIMA و GARCH، و روش های جدید مانند زنجیره مارکوف مونت کارلو در زمینه مدل سازی سری زمانی داده های ارتفاعی و مساحت دریاچه ارومیه و ارزیابی صحت آن ها پرداخته شده است. تناوبی بودن نمونه گیری مارکوف مورد بررسی قرار گرفت و عملکرد روش ترکیبی بر روی داده های ارتفاع و مساحت دریاچه ارومیه ارزیابی شد. سپس، پارامترهای مرتبط با تغییرات فصلی نیز به این مدل افزوده شدند. در انتها، به مقایسه نتایج حاصل از اعمال روش جدید با روش های کلاسیک بر اساس معرفی پارامترهای ارزیابی دقت خطای مجذور میانگین ریشه (RMSE) و ضریب مجذور r (r2)، در مرحله اعتبارسنجی پرداخته شد. از بررسی نتایج مشخص شد که تحلیل سری زمانی به روش تولید زنجیره تصادفی مارکوف با استفاده از الگوریتم مونت کارلو، منجر به تولید نتایج بهتر در تخمین سری زمانی دریاچه ارومیه نسبت به روش های کلاسیک شده است. به این ترتیب، تغییرات سری زمانی ارتفاع و مساحت دریاچه ارومیه به ترتیب با دقت های تقریبی 14 سانتیمتر و 66/1 کیلومتر مربع مدل شدند و مقادیر آن ها تا سال 2020 میلادی پیش بینی شدند. نتایج به دست آمده از پیش بینی مقادیر فوق نشان دهنده ایجاد ثبات نسبی در روند خشک شدن این دریاچه هستند. این ثبات نسبی همچنین بر روی داده های مربوط به شش سال اخیر (از سال 2011 تا 2016) نیز قابل مشاهده است که می تواند ناشی از اجرای سیاست های احیای این دریاچه باشد که با ادامه آن ها می توان تا حد ممکن از خشک شدن دریاچه جلوگیری کرد.کلید واژگان: دریاچه ارومیه, تحلیل سری زمانی, روش های کلاسیک, زنجیره مارکوف مونت کارلو, پیش بینیStudy of local changes in wetlands is of great importance in hazard management of water resources and climate change prediction. According to the infiltration process of water on the ground surface and mixing with groundwater, there will always be a need for monitoring and quality control of surface waters to avoid horrible environmental hazards. Retreat of the coastlines can cause a hydrological concern, moreover, it can be a serious challenge to the quality of water resources followed by the consequences on living organisms.
Lake Urmia is the largest permanent salt water lake located in north-western part of Iran, between East and West Azerbaijan provinces, and the twentieth largest terminal lake in the world which stands in second place after the Great Salt Lake, located in the northern part of the U.S. state of Utah. Drought, heat, increased demand for irrigation water, construction of numerous dams and ecological changes due to construction of a causeway that divides the lake into south and north parts, have been steadily shrinking the salty Lake Urmia. By a continuation of this process, disturbance of the regional ecosystem is possible in the near future.
Sequential data over a long time interval is required to monitor fluctuations of the lake and form time series. For this reason, satellite data captured by radar and optical sensors in a 24-year interval from 1992 to 2016 were taken into account. Radar data was used to obtain surface water level fluctuations of the lake and a spectral process of the optical data was used to compute the surface water extent of the lake for the intended time interval. Surface water level (height) and surface water extent (area) are two important parameters that are directly correlated with the water balance of Lake Urmia. Normalized difference vegetation index (NDVI) was calculated from Landsat satellite imageries to obtain candidate wetland pixels followed by a multiplication of candidate wetland pixels and ground sampling distance (GSD) of Landsat scenes to calculate the area of the lake for any desired time interval. Then, classic and modern methods for modeling the time series of height and area data were studied and cross validated. Auto-regressive integrated moving average (ARIMA) and generalized auto-regressive conditional heteroscedasticity (GARCH) were selected as representatives of classic methods and Markov chain Monte Carlo (MCMC) was selected as a representative of modern methods.
A Markov chain is a discrete time stochastic process with the property that the distribution of any new value of the process, only depends on the pervious value of the chain. This chain needs to be aperiodic to stop Markov chain from oscillating between different sets of states in a regular periodic movement. Monte Carlo sampling technique was then used to avoid this problem. Periodic seasonal variation parameters were then added to the MCMC model using a combination of delayed rejection and adaptive metropolis sampling (DRAM). In this case, the solution to the problem that we are pursuing is to compute the probability of transition from current state to any other possible states. Finally, a comparison between results from classic models and MCMC based on root mean square error (RMSE) and R-squared measures was done to obtain goodness of fit in cross-validation section. For this purpose, classic and modern models were applied on the first 90 percent of input data and the efficiency of each model evaluated from comparison of predictions from the model and latter 10 percent of input data. Results from goodness of fit tests showed that ARIMA and GARCH are not able to model non-linear behavior of input data. However, Markov chain random sampling time series analysis using Monte Carlo algorithm showed good results in prediction of Lake Urmia height and area time series in comparison with classic methods.
Deployment of MCMC in monitoring and prediction of height and surface fluctuations of Lake Urmia can provide precise measurements with error intervals of about ±14 centimeter and ±1.66 square kilometer, respectively. Considering calculated error intervals and predictions from MCMC model, Lake Urmia fluctuations until 2020 were computed. Results showed a nearly stable state for drought conditions at Lake Urmia. According to the predictions from MCMC model, maximum height and surface fluctuations are limited between [-23 to ] centimeter and [-80 to ] square kilometer, respectively. Recent observations of height and surface in a six-year period from 2011 to 2016, showed a good stability in fluctuations which could be a cause of implementation of restoration policies for Lake Urmia, however, there is still a long way to full restoration of this lake. Strict plans for restoration policies are necessary in order to avoid an environmental disaster due to a possible decrease in height and surface of Lake Urmia based on future predictions.Keywords: Urmia Lake, time series analysis, classic methods, Markov Chain Monte Carlo, prediction -
سرعت غیرمجاز عامل اصلی 85 درصد تصادفات جاده ای مرگباراست. بنابراین کنترل سرعت در جاده ها می تواند مداخله ای امیدبخش در کاهش تعداد جراحات و تلفات جاده ای باشد. این مقاله به بررسی نقش بازدارندگی دوربین های ثبت تخلف سرعت نصب شده در آزادراه زنجان- تبریز در وقوع تصادفات جاده ای با استفاده از تحلیل های آماری پرداخته و سپس روند تاثیر آن بر کاهش تصادفات در آینده را با استفاده از مدلسازی در گروه ARIMA از تکنیک سری های زمانی نیز مورد سنجش قرار داده است. نتایج تحلیلی نصب دوربین در آزادراه زنجان-تبریز نشان دهنده کاهش (3±20%) در سرعت متوسط وسایل نقلیه عبوری، همچنین کاهش (4±30%) در تخلف سرعت مجاز شده و نهایتا حداکثر سرعت غیرمجاز ثبت شده را نیز کم نموده است.
کلید واژگان: دوربین کنترل سرعت, مدیریت سرعت, سرعت غیرمجاز, متوسط سرعت, تحلیل سری زمانی, سامانه ثبت تخلفBased on the change in classification of the ten most important reasons of early death of diseases and injuries¡ traffic accidents will be changed from ninth reason to third reason in coming decade. Considering the most important reason in traffic crashes is exceeding allowable speed¡ this study is aimed to estimate the amount of effects of speed controlling cameras on the declining the number of accidents and the speed chosen by drivers. To gain that¡ some statistical descriptive criteria have been used to analyze records of speed and traffic volume on the freeway between Zanjan and Tabriz. These criteria are used for the data recorded in 1390¡ 1391 and 1392. Estimate the impact of speed cameras on reduce accidents on the future with using of ARIMA modeling of time series techniques have been performed.The analysis revealed a decrease cameras installed in Tabriz-Zanjan Freeway (3 ± 20%) at an average speed of passing vehicles. The reduction of (4 ± 30%) in violation of the speedlimits and eventually recorded over speed limit is too low.This study shows the cameras have had a significant effect on average speed reduction in general in all length of the freeway.
Keywords: Traffic Fatalities, Speed Controlling Cameras, Traffic Volume, Allowable Speed, Average Speed
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.