کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
District Heating (DH) systems are essential for energy-efficient urban heating. However, despite the advancements in automated fault detection and diagnosis (FDD), DH still faces challenges in operational faults that impact efficiency. This study introduces the Shared Nearest Neighbor Enhanced District Heating Anomaly Detection (SHEDAD) approach, designed to approximate the DH network topology and allow for local anomaly detection without disclosing sensitive information, such as substation locations. The approach leverages a multi-adaptive k-Nearest Neighbor (k-NN) graph to improve the initial neighborhood creation. Moreover, it introduces a merging technique that reduces noise and eliminates trivial edges. We use the Median Absolute Deviation (MAD) and modified z-scores to flag anomalous substations. The results reveal that SHEDAD outperforms traditional clustering methods, achieving significantly lower intra-cluster variance and distance. Additionally, SHEDAD effectively isolates and identifies two distinct categories of anomalies: supply temperatures and substation performance. We identified 30 anomalous substations and reached a sensitivity of approximately 65\% and specificity of approximately 97\%. By focusing on this subset of poor-performing substations in the network, SHEDAD enables more targeted and effective maintenance interventions, which can reduce energy usage while optimizing network performance.
چکیده به فارسی (ترجمه ماشینی)
سیستم های گرمایشی منطقه (DH) برای گرمایش شهری با انرژی کارآمد ضروری هستند.با این حال ، علیرغم پیشرفت در تشخیص خودکار و تشخیص گسل (FDD) ، DH هنوز هم در گسل های عملیاتی که بر کارآیی تأثیر می گذارد ، با چالش هایی روبرو است.این مطالعه نزدیکترین همسایه مشترک را با پیشرفت ناهنجاری گرمایش منطقه (SHEDAD) به منظور تقریب توپولوژی شبکه DH طراحی کرده و امکان تشخیص ناهنجاری محلی را بدون افشای اطلاعات حساس مانند مکان های زیرزمینی فراهم می کند.این رویکرد برای بهبود ایجاد اولیه محله ، یک نمودار همسایه K-Near-Neartive (K-NN) را افزایش می دهد.علاوه بر این ، این یک روش ادغام را معرفی می کند که باعث کاهش نویز و از بین بردن لبه های بی اهمیت می شود.ما از انحراف مطلق متوسط (MAD) و Z-Scores اصلاح شده برای پرچم گذاری زیرزمین های غیر عادی استفاده می کنیم.نتایج نشان می دهد که Shedad از روشهای خوشه بندی سنتی بهتر عمل می کند و به واریانس و فاصله داخل خوشه ای به طور قابل توجهی پایین می آید.علاوه بر این ، Shedad به طور مؤثر دو دسته مجزا از ناهنجاری ها را جدا کرده و شناسایی می کند: دمای عرضه و عملکرد پست.ما 30 ایستگاه غیر عادی را شناسایی کردیم و به حساسیت تقریباً 65 \ ٪ و ویژگی تقریباً 97 ٪ رسیدیم.Shedad با تمرکز روی این زیر مجموعه از زیرزمین های ضعیف در شبکه ، مداخلات نگهداری هدفمند و مؤثرتر را امکان پذیر می کند ، که می تواند ضمن بهینه سازی عملکرد شبکه ، میزان مصرف انرژی را کاهش دهد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
