Локализация и классификация аномалий в одномерных сигналах на основе вейвлет-анализа и математических методов оптимизации
Автор: Н.Д. Сакович, Д.А. Аксенов, Е.С. Плешакова, С.Т. Гатауллин
Журнал: Компьютерная оптика @computer-optics
Рубрика: Численные методы и анализ данных
Статья в выпуске: 1 т.50, 2026 года.
Бесплатный доступ
Метод классификации типов нестационарностей во временных рядах на основе вейвлет-анализа для локализации и детекции границ нестационарности; математических алгоритмов для сравнения типов нестационарностей на основе шаблонов эталонных сигналов и классификации аномалий при помощи неградиентных методов оптимизации; с возможностью дальнейшего применения для разработки автоматизированных информационных систем комплексного мониторинга состояния электросети и ее отдельных компонент представлен в данном исследовании. Кодовая база размещена в открытом репозитарии проекта и доступна для воспроизведения вычислительных экспериментов. Предлагаемый подход имеет широкий спектр применения, но отдельного внимания заслуживает возможная интеграция в целях повышения надежности систем диагностики с технологиями Интернета вещей, построения цифровых двойников, агент-ориентированного моделирования сложных социально-экономических процессов, облачными высокопроизводительными вычислениями, позволяющими анализировать большие данные в реальном времени.
Цифровая обработка сигналов, вейвлет-анализ, численные методы, алгоритмы
Короткий адрес: https://sciup.org/140314081
IDR: 140314081 | DOI: 10.18287/COJ1683
Localization and classification of anomalies in one-dimensional signals based on wavelet analysis and mathematical optimization methods
A method for classifying types of non-stationarities in time series based on wavelet analysis for localization and detection of non-stationarity boundaries; mathematical algorithms for comparing types of non-stationarities based on templates of reference signals and classifying anomalies using non-gradient optimization methods; with the possibility of further application for developing automated information systems for comprehensive monitoring of the state of the power grid and its individual components is presented in this study. The code base is located in the open project repository and available to reproduce computational experiments. The suggested approach has a wide range of applications, but special attention should be paid to the possible integration in order to improve the reliability of diagnostic systems with Internet of Things (IoT) technologies, the digital twins construction, agent-based modeling (ABM) for complex socio-economic processes, and cloud high-performance computing (HPC) that allows real time big data analytics.
