شناسایی داده های مشکوک به خطا، در داده های تعیین الگوی جریان

در بسیاری از مطالعات آزمایشگاهی شمار زیادی از داده ها برداشت می شود. برداشت داده ها معمولاً با خطاهای مختلفی همراه است.خطاهای انسانی، نقص در تجهیزات، پرسنل غیر متخصص وتغییرات طبیعی در جمعیت عواملی هستند که سبب بروز خطا در اندازه گیری-ها می شوند. هدف از این مقاله، شناسایی خطاهای آزمایشگاهی موجود در داده های مربوط به تعیین الگوی جریان، با استفاده از روشهای k تا نزدیکترین همسایه (kNN) و آزمون آماری (x(2 است. توانایی این روشها در یک مطالعه موردی که هدف آن تعیین الگوی جریان دریک کانال با قوس 90 درجه و توام با استقرار آبشکن T شکل است، مورد تجزیه و تحلیل قرار گرفت. نتایج نشان میدهد عملکرد هر دو روش مناسب بودهف ولی روش kNN توانسته است داده های مشکوک به خطا را با دقت بیشتری شناسایی کند. خطاهای موجود در جمعآوری داده های مطالعه موردی ذکر شده ناشی از دستگاه هایی نظیر خطکش الکترونیکی، برداشت پروفیل بستر لیزری و سرعت سنج سه بعدی از نوع Vecterino و مشکلات به وجود آمده هنگام برداشت داده ها است.

کلیدواژه ها:

شناسایی خطا ، پاکسازی داده ها ، الگوی جریان ، الگوریتم k تا نزدیکترین همسایه (kNN) ، ازمون آماری (x(2