شناسایی داده های غیرنرمال آزمایشات الگوی جریان در قوس با استفاده از روش های آماری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 شناسایی داده های غیرنرمال آزمایشات الگوی جریان در قوس با استفاده از روش های آماری دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شناسایی داده های غیرنرمال آزمایشات الگوی جریان در قوس با استفاده از روش های آماری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی شناسایی داده های غیرنرمال آزمایشات الگوی جریان در قوس با استفاده از روش های آماری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شناسایی داده های غیرنرمال آزمایشات الگوی جریان در قوس با استفاده از روش های آماری :

تعداد صفحات : ۲۲

عوامل مختلفی مانند خطاهای انسانی و دستگاهی، شرایط اندازه گیری و طبیعت جریان در شرایط یکتا ممکن است سبب بروز داده هایی شود که با الگوی نرمال جامعه آماری در تناقض باشند؛ به گونه ای که این گمان به وجود آید که با یک روند متفاوت تولید شده اند. در یک تعریف کلی به این نوع از داده ها، داده های غیرنرمال (پرت یا خارج از محدوده) گفته می شود. شناسایی داده های پرت از جنبه های مختلف دارای اهمیت بوده و منجر به شناخت هرچه بهتر و دقیق تر الگوی جریان می شود. هدف اصلی از انجام این تحقیق، بررسی و شناسایی داده های پرت موجود در آزمایشات الگوی جریان در یک کانال قوسی با زاویه مرکزی ۱۸۰ درجه و عرض ۱ متر با و بدون وجود آبشکن در قوس با استفاده از روش های آماری است. کانال مورد نظر در آزمایشگاه هیدرولیک دانشگاه خلیج فارس قرار داشته و برای برداشت سرعت های سه بعدی جریان از سرعت سنج وکترینو استفاده شده است. به منظور شناسایی داده های پرت در این تحقیق از روش های انحراف مطلق میانگین، خوشه بندی K-Means، ضریب چگالی محلی و روش رای گیری استفاده شده است. نتایج حاصل از اجرای این روش ها بر داده های آزمایشگاهی برداشت شده نشان داد که کارایی بیشتر روش ها مناسب است. در این مقاله در نهایت برای حصول بهترین نتیجه، از روش رای گیری استفاده شده است. در این روش، داده هایی به عنوان کاندیدای داده پرت نهایی در نظر گرفته می شوند که توسط بیشتر روش ها به عنوان داده پرت شناسایی شده باشند.