Feature Extraction by PCA in Unit 106 Compressors in South Pars Gas Refinery
Article Type:
Research/Original Article (بدون رتبه معتبر)
Abstract:
The vast number of sensors, the high volume of data, and the high speed of information storage makes data analysis difficult. Moreover, due to the high volume of data, analysis and information extraction is very complex and sometimes impossible. In order to increase the analysis speed and minimize the analysis period, information processing methods are employed. Principal Component Analysis (PCA) is one of the methods used for feature extraction, dimensional reduction, and analysis speed. In this paper, feature extraction and dimensional reduction is studied in phases 20 and 21 of unit 106 compressors of south Pars gas refinery. The efficiency of our proposed approach is demonstrated on SGT-600 Siemens compressors.
Keywords:
Language:
English
Published:
Journal of Majlesi Journal of Mechatronic Systems, Volume:6 Issue: 2, Jun 2017
Pages:
47 to 51
magiran.com/p1891559
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 990,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!