The data filtering phase collects d

The data filtering phase collects data from sensor arrays and extracts the key information from the data. For real-time signal streams, the processing flow continuously calculates signal features. Raw data received from the sensors is initially treated as discrete signals. For example, the sensor array applies peak extraction and filtering functions to the
raw data, and then sends the filtered data to the feature extractor, which extracts some mathematical features, such as mean, first-order differences, and peak-to-peak intervals, as basic records. Finally, it converts the extracted signal features to a context generator, which produces the preliminary context for the upper layers, and only collects the necessary contexts as probabilistic conditions. In this procedure, the context interpreter plays a key role in the context-aware service, which includes

• getting the preliminary contexts from the lower layer, which reports the signal’s current status; and
• fetching the necessary domain knowledge from the context repository module in the datacenter.

Finally, the filtering data phase produces a sequence of probabilistic conditions for further operations on the decision tree.

The attribute decision phase uses the probabilistic conditions to generate a decision tree, which it uses to identify events. For example, to determine a levee collapse, this phase would

• build the cumulative distribution function (CDF) of the levee collapse event using the given structural strength detected by sensors, or
• build the CDF of the levee collapse event using a given water level detected by sensors.

Next, each node of the decision tree decides which branch to go to based on the gate value settled. Finally, the leaf node at the end of the path gives the value (true or false) of the collapse event.The event grading phase combines all relevant
events and deduces the overall disaster level to determine the appropriate response. This phase is simple but important in emergency management: accurately grading the event can improve resource scheduling in an evacuation. In turn, this will indicate the response required for areas with different classifications.

ผลลัพธ์ (ไทย) 1:

ขั้นตอนการกรองข้อมูลรวบรวมข้อมูลจากเซนเซอร์อาร์เรย์ และแยกข้อมูลที่สำคัญจากข้อมูล สำหรับกระแสข้อมูลสัญญาณแบบเรียลไทม์ ขั้นตอนการประมวลผลคำนวณลักษณะการทำงานของสัญญาณอย่างต่อเนื่อง ข้อมูลดิบที่ได้รับจากเซนเซอร์จะเริ่มต้นถือว่าเป็นสัญญาณที่ไม่ต่อเนื่อง ตัวอย่าง เซนเซอร์อาร์เรย์ใช้แยกสูงสุดและฟังก์ชันการกรองข้อมูล ข้อมูลดิบ แล้วส่งข้อมูลที่ถูกกรอง extractor คุณลักษณะ การแยกคุณลักษณะบางอย่างของคณิตศาสตร์ เช่นหมายถึง ความแตกต่างของใบสั่งแรก และช่วงพีคพีค เป็นคอร์ดพื้นฐาน ในที่สุด มันแปลงคุณลักษณะแยกสัญญาณเพื่อสร้างบริบท การสร้างบริบทเบื้องต้นสำหรับชั้นบน และการรวบรวมเฉพาะ บริบทจำเป็นเงื่อนไข probabilistic ในขั้นตอนนี้ ล่ามบริบทมีบทบาทสำคัญในบริการตระหนักถึงบริบท ซึ่งรวมถึง•รับบริบทเบื้องต้นจากชั้นล่าง การรายงานสถานะปัจจุบันของสัญญาณ และ•นำความรู้จำเป็นโดเมนจากโมเก็บข้อมูลบริบทใน datacenter สุดท้าย ระยะข้อมูลกรองสร้างลำดับของเงื่อนไข probabilistic สำหรับการดำเนินงานเพิ่มเติมบนต้นไม้ตัดสินใจระยะตัดสินใจแอตทริบิวต์ใช้เงื่อนไข probabilistic เพื่อสร้างต้นไม้ตัดสินใจ ซึ่งใช้เพื่อระบุเหตุการณ์ ตัวอย่าง การกำหนดยุบคันดินธรรมชาติ ขั้นตอนนี้จะ •สร้างฟังก์ชัน (CDF) ของเหตุการณ์ยุบคันดินธรรมชาติที่ใช้กำหนดโครงสร้างความแข็งแรงตรวจพบ ด้วยเซนเซอร์ หรือ •สร้าง CDF เหตุการณ์ยุบคันดินธรรมชาติใช้เซนเซอร์ตรวจจับระดับน้ำที่กำหนดถัดไป แต่ละโหนต้นไม้ตัดสินใจตัดสินใจที่แตกแขนงไปตามจ่ายค่าประตู สุดท้าย โหนดสาขาในตอนท้ายของเส้นทางให้ค่า (จริง หรือเท็จ) ของเหตุการณ์ยุบ เหตุการณ์ที่จัดเกรดขั้นตอนรวมทั้งหมดที่เกี่ยวข้อง เหตุการณ์ และ deduces ระดับความเสียหายโดยรวมเพื่อดูการตอบสนองที่เหมาะสม ขั้นตอนนี้จะง่าย แต่สิ่งสำคัญในการจัดการฉุกเฉิน: การจัดเกรดเหตุการณ์ได้อย่างถูกต้องสามารถปรับปรุงการจัดกำหนดการทรัพยากรในการอพยพได้ กลับ นี้จะบ่งชี้การตอบสนองที่ต้องการกับการจัดประเภทที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

ขั้นตอนการกรองข้อมูลที่เก็บรวบรวมข้อมูลจากเซ็นเซอร์อาร์เรย์และสารสกัดจากข้อมูลที่สำคัญจากข้อมูล สำหรับเวลาจริงลำธารสัญญาณการไหลของการประมวลผลอย่างต่อเนื่องคำนวณคุณสมบัติสัญญาณ ข้อมูลดิบที่ได้รับจากเซ็นเซอร์รับการรักษาครั้งแรกเป็นสัญญาณที่ไม่ต่อเนื่อง
ยกตัวอย่างเช่นอาร์เรย์เซ็นเซอร์ใช้การสกัดสูงสุดและฟังก์ชั่นการกรองกับข้อมูลดิบและจากนั้นส่งข้อมูลกรองเพื่อแยกคุณลักษณะซึ่งสารสกัดจากคุณสมบัติทางคณิตศาสตร์บางอย่างเช่นค่าเฉลี่ยความแตกต่างครั้งแรกที่สั่งซื้อและช่วงเวลาสูงสุดถึงจุดสูงสุดเป็นบันทึกพื้นฐาน ในที่สุดก็แปลงคุณสมบัติสกัดสัญญาณไปยังเครื่องกำเนิดไฟฟ้าบริบทซึ่งเป็นผู้ผลิตบริบทเบื้องต้นชั้นบนและมีเพียงรวบรวมบริบทที่จำเป็นน่าจะเป็นเงื่อนไข ในขั้นตอนนี้ล่ามบริบทมีบทบาทสำคัญในการให้บริการตามบริบทซึ่งรวมถึง•รับบริบทเบื้องต้นจากชั้นล่างซึ่งรายงานสถานะปัจจุบันของสัญญาณนั้น และ•การเรียกความรู้โดเมนที่จำเป็นจากโมดูลที่เก็บบริบทในดาต้าเซ็นเตอร์. ในที่สุดการกรองขั้นตอนข้อมูลที่ก่อให้ลำดับของเงื่อนไขความน่าจะเป็นในการดำเนินงานต่อไปบนต้นไม้การตัดสินใจ. ขั้นตอนการตัดสินใจแอตทริบิวต์ใช้เงื่อนไขความน่าจะเป็นในการสร้างต้นไม้ตัดสินใจ ซึ่งจะใช้ในการระบุเหตุการณ์ที่เกิดขึ้น ตัวอย่างเช่นในการตรวจสอบการล่มสลายเขื่อนที่ขั้นตอนนี้จะ•สร้างฟังก์ชั่นการแจกแจงสะสม (CDF) ของเหตุการณ์ล่มสลายเขื่อนโดยใช้ความแข็งแรงของโครงสร้างที่ได้รับการตรวจพบโดยเซ็นเซอร์หรือ•สร้างCDF ของเหตุการณ์ล่มสลายเขื่อนโดยใช้ระดับน้ำที่กำหนด ตรวจพบโดยเซ็นเซอร์. ถัดไปโหนดของต้นไม้การตัดสินใจในแต่ละสาขาตัดสินใจที่จะไปขึ้นอยู่กับค่าประตูตัดสิน สุดท้ายโหนดใบที่จุดสิ้นสุดของเส้นทางที่จะช่วยให้ค่า (จริงหรือเท็จ) ของเหตุการณ์ล่มสลาย event.The ขั้นตอนการจัดลำดับที่เกี่ยวข้องทั้งหมดรวมกิจกรรมและฉงนฉงายในระดับภัยพิบัติโดยรวมในการตรวจสอบการตอบสนองที่เหมาะสม ขั้นตอนนี้เป็นที่เรียบง่าย แต่สำคัญในการจัดการฉุกเฉินได้อย่างถูกต้องจัดลำดับเหตุการณ์ที่เกิดขึ้นสามารถปรับปรุงการกำหนดเวลาทรัพยากรในการอพยพ ในทางกลับกันนี้จะแสดงให้เห็นการตอบสนองที่จำเป็นสำหรับพื้นที่ที่มีการจำแนกประเภทที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

ข้อมูลการกรองขั้นตอนรวบรวมข้อมูลจากเซ็นเซอร์อาร์เรย์และสารสกัดจากข้อมูลที่สำคัญจากข้อมูล สำหรับสายสัญญาณเรียลไทม์ , การประมวลผลการไหลอย่างต่อเนื่องคำนวณคุณสมบัติของสัญญาณ ข้อมูลที่ได้รับจากเซนเซอร์ดังกล่าวถือว่าเป็นสัญญาณที่ไม่ต่อเนื่อง ตัวอย่างเช่น เซนเซอร์ที่ใช้ในการสกัดสูงสุด และฟังก์ชั่นการกรองเพื่อ
ข้อมูลดิบแล้วส่งข้อมูลที่ถูกกรองเพื่อคุณสมบัติ Extractor , สารสกัดจาก ทางคณิตศาสตร์ ซึ่งบางลักษณะ เช่น หมายถึง ความแตกต่าง ครั้งแรก และ สู่ช่วงพีค เป็นข้อมูลพื้นฐาน ในที่สุด , มันจะแปลงสัญญาณสกัดคุณสมบัติบริบทเครื่องกำเนิดไฟฟ้า ซึ่งก่อให้เกิดบริบทเบื้องต้นสำหรับชั้นบน และรวบรวมเป็นบริบทเงื่อนไขความน่าจะเป็น .ในขั้นตอนนี้ ในบริบทล่ามเล่นบทบาทสำคัญในบริบททราบบริการ ซึ่งรวมถึงบริการรับ

ในบริบทจากชั้นล่าง ซึ่งรายงานสถานะปัจจุบันของสัญญาณ ;
- @ และความรู้ที่จำเป็นจากบริบทเก็บโมดูลในข้อมูล

ในที่สุดขั้นตอนการกรองข้อมูลสร้างลำดับของเงื่อนไขความน่าจะเป็นสำหรับการดำเนินการเพิ่มเติมในการตัดสินใจแบบต้นไม้

ลักษณะการตัดสินใจระยะที่ใช้เงื่อนไขการสร้างโครงสร้างการตัดสินใจ ซึ่งจะใช้เพื่อระบุกิจกรรม ตัวอย่างเช่นในการตรวจสอบของเขื่อนพัง ขั้นตอนนี้จะ

- การสร้างฟังก์ชันการแจกแจงสะสม ( CDF ) ของเขื่อนพังทลายเหตุการณ์โดยใช้โครงสร้างความแข็งแรงให้พบ โดยเซ็นเซอร์หรือ
- สร้างเขื่อนพังทลาย CDF ของเหตุการณ์โดยใช้น้ำให้ระดับที่ตรวจพบโดยเซ็นเซอร์

ต่อไป แต่ละโหนดของต้นไม้สาขา ซึ่งการตัดสินใจ ตัดสินใจไปตามค่าประตู ตัดสิน ในที่สุดปมใบที่จุดสิ้นสุดของเส้นทางที่ให้คุณค่า ( จริงหรือเท็จ ) ของการล่มสลายเหตุการณ์ grading ระยะรวมเหตุการณ์ทั้งหมดที่เกี่ยวข้อง
deduces ระดับภัยพิบัติโดยรวมและเพื่อตรวจสอบการตอบสนองที่เหมาะสม ขั้นตอนนี้จะง่าย แต่ที่สำคัญในการจัดการเหตุฉุกเฉิน : ถูกต้องระดับเหตุการณ์สามารถปรับปรุงเวลาในการขนย้ายทรัพยากร ในการเปิดนี้จะแสดงการตอบสนองความต้องการสำหรับพื้นที่กับหมวดหมู่ที่แตกต่างกัน