پیشبینی یک عدد ( تنش پسماند) از یک داده ی time series. هوش مصنوعی ANN یا LSTM

#فوریتوضیحات آشنایی با موضوع پروژه: فلزات وقتی گرم میشن و سریع سرد میشن، داخلشون تنش پسماند (residual stress) باقی میمونه. در پرینتر های 3 بعدی. (قطعه از هیچی با اضافه شدن فلز قطره قطره ساخته میشه) که باعث میشه یه نقطه از شکل بار ها و بار ها دماش تغییر کنه. این داده ی temperature/Time یه داده ی time series میشه که باهاش استرس نهایی رو میخوایم پیشبینی کنیم . نکته منفی اینه که در تلاشیم از long short term memory (feed forward backpropagation)  استفاده نکنیم. و فقط دیتا هایی رو از این سری داده استخراج کنیم که استرس نهایی بهش وابسته هست.در این بین باید عواملی از سری داده استخراج و انتخاب بشه و بررسی بشه. اونایی که واقعا تاثیر میزارن بر روی استرس (میشه باهاشون استرس رو پیشبینی کرد ) به عنوان ورودی machine learning انتخاب بشن. مواردی که تا الان به عنوان مورد potential انتخاب شده:1- بالا ترین دمایی که فلز در اون نقطه تجربه میکنه.2- چند بار فلز از یه دمایی بالا تر میره ( که خب یه دمایی رو انتخاب میکنم اعلام میکنم بر اساس تعداد peak ها میشه حساب کرد چند بار.3- بیشترین و کم ترین فرکانس داده: وقتی دما میره بالا و میاد پایین. میشه گفت یه سیکل رو میگذرونه و میشه نسبتا ساده براش فرکانس تایین کرد. 4- یه قسمتی از داده انتخاب میشه. و یک معادله انتخاب میشه که بر روی اون صدق کنه. یک معادله exponential decay هست. چیز سختی نیست. فرم معادله رو دارم. و شکل اش ام شبیه یه سرسره هست. از این معادله پارامتر های نهایی انتخاب میشن که بیشترین تشابه به دیتا رو دارن و به عنوان ورودی انتخاب میشن.برای همه این ایده ها و مولفه های coefficient یا همون همبستگی یا رابطشون با استرس بررسی میشه و موارد مناسب همونطور که گفتم انتخاب میشن.برای قیمت پروژه صحبت میکنیم. ممنون از وقتتون عکس یکی از نقطه هارو که در لایه دوم هست رو میفرستم. با و بدون استرس.این پروژه قسمتی از پروژه نهایی منه. که دیگه به علت ناتوانی و کمبود وقت جویای کمک شما شدم. لطفا درصورتی که وقت دارین که با سرعت مناسبی کار رو جلو ببریم به من پیام بدهید.