Типы вентиляторов классификация характеристика: Какие бывают виды вентиляторов: классификация и характеристика

Содержание

Вентиляторы — Мосрегионвент — системы вентиляции. Производство, проектирование, монтаж вентиляционного оборудования и систем кондиционирования

Вентиляторы — Мосрегионвент — системы вентиляции. Производство, проектирование, монтаж вентиляционного оборудования и систем кондиционирования Skip to content
  • EC-вентиляторы Systemair
  • Вентилятор канальный ВШ в изолированном корпусе — аналог KVK
  • Вентилятор шахтный местного проветривания ВМЭ-12А
  • Вентилятор шахтный местного проветривания ВМЭ-5, ВМЭ-5-01
  • Вентилятор шахтный местного проветривания ВМЭ-6, ВМЭ-6-01
  • Вентилятор шахтный местного проветривания ВМЭ-8, ВМЭ-8-01
  • Вентиляторы для агрессивных сред Systemair
  • Вентиляторы дутьевые центробежные одностороннего всасывания ВД и ВДН Тягодутьевые вентиляторы ВД и ВДН
  • Вентиляторы дымоудаления (крышные) ВКР ДУ
  • Вентиляторы дымоудаления (крышные) ВКРВ (ВКРФ) ДУ с выбросом вверх
  • Вентиляторы дымоудаления (крышные) ВКРС ДУ
  • Вентиляторы дымоудаления Systemair
  • Вентиляторы пылевые, радиальные ВЦ-5-35 (ВЦ-5-45, ВЦ-5-50)
  • Вентиляторы пылевые, радиальные ВЦП 7-40 (ВР 140-40, ВР 100-45, ВРП 115-45)
  • Взрывозащищённые вентиляторы Systemair
  • Гибкие вставки для канальных вентиляторов
  • Гибкие вставки и виброизоляторы для радиальных вентиляторов
  • Дымососы центробежные одностороннего всасывания Д и ДН
  • Канальные вентиляторы высокого давления для квадратных каналов KDRE/KDRD
  • Канальные круглые вентиляторы MR-VK
  • Канальные прямоугольные вентиляторы MR-VP
  • Канальные прямоугольные вентиляторы в шумоглушащем корпусе MR-VP-S
  • Канальные прямоугольные вентиляторы с вынесенным электродвигателем MR-VP-V
  • Компактная вентиляторная градирня ГРД-М
  • Круглые градирни ГМ
  • Круглые канальные вентиляторы K/KV Systemair
  • Круглые канальные вентиляторы KD Systemair
  • Круглые канальные вентиляторы ВК в пластиковом корпусе
  • Круглые канальные вентиляторы ВКМ в оцинкованном корпусе для круглых каналов
  • Крышные вентиляторы Systemair
  • Крышные вентиляторы общепромышленного назначения ВКР
  • Крышные вентиляторы общепромышленного назначения ВКРВ (ВКРФ) с выбросом вверх
  • Крышные вентиляторы общепромышленного назначения ВКРС
  • Крышные малогабаритные вентиляторы с выбросом вверх MR-VM
  • Крышные осевые вентиляторы ВКОП 25-188
  • Крышные осевые вентиляторы ВКОП-30-160
  • Кухонные вытяжные вентиляторы Systemair
  • Мельничные вентиляторы ВМ
  • Мини-градирни «Росинка»
  • Осевой шахтный вентилятор ВОЭ-5
  • Осевые вентиляторы Systemair
  • Осевые вентиляторы для подпора воздуха ВО-25-188
  • Осевые вентиляторы дымоудаления ВО-13-284 ДУ
  • Осевые вентиляторы общепромышленного назначения ВО 06–300
  • Осевые вентиляторы общепромышленного назначения ВО 13-284
  • Осевые вентиляторы подпора ВО-30-160
  • Осевые струйные вентиляторы ВС-10-400
  • Прямоугольные канальные вентиляторы KE/KT Systemair
  • Прямоугольные канальные вентиляторы RS Systemair
  • Радиальные вентиляторы (центробежные)
  • Радиальные вентиляторы высокого давления ВЦ 6-20
  • Радиальные вентиляторы дымоудаления низкого давления ВР-80-75-ДУ
  • Радиальные вентиляторы дымоудаления среднего давления ВР-280-46-ДУ
  • Радиальные, центробежные вентиляторы высокого давления ВР 132-30 (ВР 120-28, ВР 130-28, ВЦ 6-28)
  • Радиальные, центробежные вентиляторы низкого давления ВР-80-75 (ВЦ-4-70, ВЦ-4-75, ВР-86-77, ВЦ-4-76, ВР-80-76, ВР-88-77)
  • Радиальные, центробежные вентиляторы среднего давления ВЦ-14-46 (ВР-280-46, ВР-300-45, ВЦ9-55)
  • Радиальный вентилятор высокого давления ВР 12-26
  • Радиальный вентилятор высокого давления ВР 140-15
  • Стаканы, обратные клапаны, поддоны для крышных вентиляторов
  • Стаканы, обратные клапаны, поддоны для крышных вентиляторов дымоудаления
  • Термостойкие гибкие вставки для вентиляторов дымоудаления
  • Центробежные вентиляторы Systemair
  • Циклоны ЦН-11
  • Циклоны ЦН-15
  • Шумоизолированные вентиляторы KVO для круглых каналов Systemair
  • Шумоизолированные вентиляторы MUB для квадратных каналов Systemair
  • Шумоизолированные вентиляторы RSI для прямоугольных каналов Systemair
  • Шумоизолированные вентиляторы двухстороннего всасывания KVK для круглых каналов Systemair
  • Шумоизолированные вентиляторы одностороннего всасывания KVKE для круглых каналов Systemair

Промышленные вентиляторы — один из основных элементов вентиляции в производственных помещениях

Автор Евгений Апрелев На чтение 4 мин Просмотров 1.9к.

Для обеспечения эффективного предварительного очищения воздушных масс, а также дальнейшего их нагрева либо охлаждения создают вентиляцию механического типа. Поэтому в целях утилизации загрязненного воздуха в производственных помещениях применяют промышленные вентиляторы. Оборудование подобного рода устанавливается в целях максимально эффективного перемещения воздушных потоков разных режимов (вытягивание либо нагнетание). Как правило, устройства такого типа используется в офисных или складских помещениях, кафе или на производстве.

Технические характеристики и принцип работы

Вентиляторы промышленного назначения являются достаточно сложными техническими устройствами, способными преобразовать кинетическую энергию, вырабатываемую вращающимся колесом, в потенциальную энергию, транспортируемого объема воздушного потока. Для таких вентиляторов характерна высокая мощность электрического двигателя, а также низкое аэродинамическое сопротивление.

Активное развитие производства предъявляет довольно завышенные требования к функциональности и качественному исполнению вентиляторов. Поэтому для наиболее эффективного и успешного их использования в производственной сфере они должны обладать рядом определенных качеств:

  • долговечность;
  • надежность при эксплуатации;
  • высокий уровень производительности.

Учитывая, что, вытяжные вентиляторы дымоудаления используются в качестве некого дополнительного элемента климатической системы, к ним предъявляются повышенные нормы ещё на этапах проектирования вентиляции. При этом обязательным условием выступает месторасположение и расчет мощности устанавливаемых устройств.

Классификация вентиляционных установок промышленного образца

Согласно действующей классификации различают и выделяют следующие типы промышленных вентиляторов:

  • промышленные осевые вентиляторы – главным критерием при установке такого вида приборов является удобство и простота в течение всей эксплуатации устройства. Осевые вентиляторы не имеют каких-либо ограничений в сфере их применения. Отличаются они несложной конструкцией, состоящей из вращающегося колеса в цилиндре. Вытяжной осевой вентилятор довольно часто производится на заказ – с определенными параметрами, уровнем шума и мощности. Период их изготовления обычно составляет 7-14 дней;
  • настенные вентиляторы – способны создать условия нормальной работы в помещениях производственного типа (металлургическое, химическое, текстильное производство и др.) путем очищения воздуха от опасных либо вредных примесей. Размещаются непосредственно на стенах помещений;
  • промышленный напольный вентилятор – конструкция, оснащенная удобными колесиками для возможности осуществления перемещения прибора, а также ручками для регулировки основного наклона плоскостей лопастей, что позволяет располагать оборудование на полу;
  • оконный вентилятор – применяется для обеспечения работы приточно-вытяжной вентиляции без использования воздуховодов. Устанавливаются непосредственно в оконные проемы или отверстия перекрытий сооружений. Данные приборы являются самым простым вариантом осуществления искусственного воздушного обмена;
  • Радиальные вентиляторы отличаются высоким КПД и производительностью с разделением их на три вида: низкое, среднее и высокое значение давления. Центробежные вентиляторы предназначаются в основном для дымоудаления.

По методу использования вентиляторы промышленного типа можно условно разделить:

  • промышленный канальный вентилятор – один из наиболее популярных в системах очистки и кондиционирования воздушных масс. Устанавливаются на воздуховодах и их разрывах. Часто используются при монтаже вентиляционных каналов с круглым либо прямоугольным сечением;
  • вытяжной вентилятор, как и приточный работают на основе вентиляционных приточно-вытяжных систем, способных одновременно обеспечивать приток либо вытяжку поступающих воздушных потоков. Такие системы идеально подходят для помещений больших мегамаркетов, офисных учреждений, развлекательных центров и других заведений промышленной специализации;
  • потолочные – используются преимущественно в помещениях с высокими потолками в целях максимального выравнивания температуры. Располагаются на потолочной поверхности.

Подбор устройств необходимо осуществлять исходя из двух основных показателей:

  • общей производительности оборудования – значение давления, создаваемого вентилятором и объем перемещаемого им воздуха;
  • шумовые характеристики (показатели шумопоглащения) – наличие в устройстве так называемых шумоглушителей из нержавеющей или углеродистой стали;
  • габариты всей установки.

Это необходимо знать перед установкой

Устанавливая промышленные вентиляторы и компоненты, следует брать во внимание множество различных показателей, включая:

  • площадь помещений;
  • количество используемых воздуховодов;
  • количественное соотношение окон и дверей;
  • уровень изолированности стеновых перекрытий.

Основные этапы ремонта

Ремонт промышленных вентиляторов предполагает разработку краткой технологической схемы процесса, которая должна включать определенные этапы работы:

  • снятие устройства с места его непосредственной установки;
  • последовательная её разработка;
  • использование при ремонте специализированных приспособлений и инструментов;
  • замена деталей и при необходимости установка новых;
  • сборка вентилятора и его установка на прежнее место;
  • осуществление испытаний после проведенного ремонта.

В целом, на предприятиях больших площадей зачастую устанавливают промышленные вентиляторы не отдельных видов, а собирают целую систему, способную очищать и утилизировать воздух, путем удаления из него вредных примесей.

Вентилятор для ванной комнаты: как выбрать надежное устройство

Если в вашей ванной комнате запотевают зеркала, а на стенах и других поверхностях образуется конденсат, это говорит о том, что вентиляционная система не выполняет свою задачу. В этом случае вам поможет вентилятор для ванной, установив который вы забудете о дискомфорте.

По виду исполнения и месту установки они делятся на:

  • осевые;
  • центробежные,
  • радиаторные;
  • крышные.

Осевой вентилятор ↑

Самый распространенный вид вентилятора для ванной – осевой, представляющий собой ось электродвигателя с пропеллером в виде колеса с консольными лопастями, помещенный в цилиндрический корпус. Он засасывает воздух, пропуская его через себя и выпуская наружу в осевом направлении. В радиальном направлении перемещение воздуха практически отсутствует. Как правило, устанавливается такой вентилятор в вытяжку в ванной.

Осевые модели изготавливаются из легкого и прочного пластика. Их установка не представляет большой сложности при условии наличия горизонтального участка, не превышающего трех метров, и не слишком большого аэродинамического сопротивления. У этих моделей, по сравнению с другими видами, достаточно большой КПД, их производительность – более 100 куб.м./час, но напорные характеристики аппаратов невелики. Недостаток осевого вентилятора в высоком уровне шума, достигающем 30–50 дБ.

Осевые вентиляторы устанавливаются в вытяжку, если позволяют условия

Центробежный вентилятор ↑

В случае проблем с вентиляционной шахтой мощности осевого прибора будет недостаточно. Понадобится центробежный вентилятор в ванную комнату, состоящий из двух частей: корпуса и турбины с улиткой. Это более мощный прибор, простой в обслуживании, обеспечивающий высокую производительность и бесшумную работу. Подобные устройства появились в 70-е годы и стали очень популярны. Устанавливаются в проточной части вентиляционной системы. Из-за сложной конструкции центробежные вентиляторы имеют немалые размеры. Они имеют толщину до 10 см. Такие вентиляторы выпускают брендовые производители. Несмотря на более высокую стоимость, они имеют и более высокое качество.

Центробежный вентилятор характеризуется высокой производительностью и бесшумной работой

Центробежные вытяжные вентиляторы имеют разную внешнюю конструкцию от литых до решетчатых моделей

Радиальный вентилятор ↑

Представляют собой лопаточное колесо, размещенное в спиральном кожухе. Это тихие устройства одно- или двустороннего всасывания, лопатки которых загнуты вперед или назад. Модели с лопатками, направленными назад, позволяют экономить электроэнергию на 20%. Еще одним достоинством такого устройства является легкость перенесения перегрузок расходования воздуха.

Конструкции с лопатками загнутыми вперед, обладают такими же расходными и напорными техническими характеристиками, как и с лопатками загнутыми назад, но при этом у них меньший размер колеса и более низкая частота вращения. Они обеспечивают хороший результат, занимают меньше места и у них более низкий уровень шума.

Внутреннее устройство вентилятора в разрезе

Крышная вытяжка ↑

В их конструкцию входит вентилятор, электродвигатель, виброизолирующие прокладки, устройства автоматического регулирования, заключенные в один корпус. В качестве крышной вытяжки используются многолопастные осевые или радиальные устройства одно- или двухстороннего всасывания. Крышные вытяжки монтируются на кровле.

Крышные вентиляторы устанавливают на кровле

Это нужно знать! При наличии в квартире системы кондиционирования и управления воздушными массами, вентилятор для ванной должен встраиваться в эту систему.

Как выбрать вентилятор для ванной, на что следует обратить внимание, чтобы прибор принес максимальную пользу?

Рассмотрим все по порядку:

  1. Первоначально нужно определить объем вентилируемого помещения в кубических метрах, перемножив его ширину, длину и высоту.
  2. Далее определяется мощность прибора. По формуле объем помещения умножается на показатель кратности обмена воздуха. Для ванной комнаты он варьируется от 6 до 8.
  3. Следующим важным показателем является безопасность. Наиболее безопасными во влажной среде, хорошо проводящей электрический ток, являются низковольтные модели, рассчитанные на напряжение 12-24 V.
  4. В процессе работы устройство шумит. Модели с высоким уровнем комфорта шумят меньше, поэтому выбирать лучше их.

Обратите внимание! Рекомендуется выбирать более мощные устройства, как наиболее эффективные.

Покупка и установка вентилятора обеспечит комфорт, чистый и свежий воздух в ванной комнате

Современные производители предлагают вентиляторы для ванной комнаты с целым рядом дополнительных функций, обеспечивающих комфортные условия в помещении повышенной влажности. К ним относится:

  • Таймер. Его удобство в том, что прибор, подключенный к электропитанию вместе с выключателем или другим способом, после отключения, в зависимости от выбранной программы, может работать еще от 2 до 30 минут.
  • Датчик движения. Обеспечивает автоматическое включение вентиляции при наличии людей в комнате на протяжении времени, указанного на таймере.
  • Гидростат. Представляет собой прибор, оснащенный датчиком влажности. Данная функция позволяет контролировать уровень влажности в помещении. Включение происходит при влажности, значение которой программируется заранее.
  • Регулярное проветривание. Этот режим обеспечивает постоянный минимальный воздухообмен при маленькой скорости работающего вентилятора. Переход в режим MAX происходит при высокой влажности.
  • Часы. Функция удобна для тех, кто экономит время и старается быть пунктуальным. Они напомнят вам, что время принимать ванну вышло и пора переходить к другим процедурам.
  • Защита от влаги. Модели, защищенные от брызг любых направлений, обозначены кодом IPx4.
  • Обратный клапан. Защищает от поступления воздуха из вытяжного канала. Это удобно, если канал общий.

Обратите внимание! Вентиляторы последних моделей выпускаются сразу с несколькими функциями, но их стоимость намного выше обычных, не «интеллектуальных» моделей.

На рынке появляются интеллектуальные модели вентиляторов, выполняющие ряд дополнительных функций

При выборе вентилятора в ванную комнату немаловажное значение имеет производитель. Будет правильнее рассматривать предложения известных марок, зарекомендовавших себя с положительной стороны. Имя производителя, если это известный бренд, уже является гарантией того, что ваше приобретение будет качественным. В данном случае лучше не экономить и купить качественный вентилятор в ванную, который будет максимально эффективен и прослужит много лет. Конечно, при условии, что он будет профессионально установлен. Однако, стоит отметить, что хороший качественный вентилятор для ванной не всегда является дорогим. Даже самый недорогой и простой отечественный аппарат будет добротно справляться со своими задачами целых 3-5 лет. А купить прибор подороже вы сможете всегда, особенно если вас интересует высокая функциональность вентилятора.

Пригодилась статья? Расскажите друзьям:

Фэндом и культура участия – субкультуры и социология

Фэндом и культура участия

Фан-культура, или фэндом, — это термин, описывающий сообщества, построенные вокруг общего удовольствия от аспекта популярной культуры, такого как книги, фильмы, телешоу, музыкальные группы, спортивные или спортивные команды и т. д. Фан-культуры являются примерами

коллективных культуры . Культуры участия включают фанатов, действующих не только как потребители, но также как производители и создатели той или иной формы креативных медиа.Хотя большинство фан-культур, в том числе фанаты спорта и поклонники музыкальных групп, имеют элементы культуры участия, фандом СМИ, в частности, поощряет творческое самовыражение и художественное творчество своих участников.

Дженкинс и др. (2009) определяют культуру участия более конкретно как ту, которая состоит из:

  1. Относительно низкие барьеры для художественного самовыражения и гражданской активности
  2. Сильная поддержка создания собственных творений и обмена ими с другими 
  3. Какой-то вид неформального наставничества, при котором наиболее опытные участники передают свои знания новичкам
  4. Участники, которые считают, что их вклад имеет значение
  5. Участники, которые чувствуют некоторую степень социальной связи друг с другом и заботятся о мнении других участников об их вкладе

Поклонники на Anime Expo, съезде фанатов, который проходит в Лос-Анджелесе.

В фан-культурах эти творения и художественное выражение принимают форму фанфиков, фан-арта, фан-видео, косплея, песен из фильмов и других взаимодействий с человеком, группой или вымышленной вселенной. Фанфики состоят из рассказов, написанных поклонниками определенного художественного произведения (а не его первоначальным создателем) о вымышленных персонажах или вселенной. Фан-видео, или фанвиды, включают клипы из фильма или телешоу на музыку и/или создают повествование, используя клипы из нескольких исходных материалов.Песни из фильмов — это разновидность народной музыки, обычно основанная на научной фантастике, фэнтези или других вымышленных вселенных. Косплей — это практика ношения костюмов или другой одежды и аксессуаров в попытке изобразить вымышленного персонажа.

Современная фан-культура зародилась в 1960-х годах вместе с фэндомом «Звездного пути» (Helleckson and Busse, 2006). В то время фанаты обычно распространяли свои творения через журналы для фанатов или съезды. В последнее время Интернет позволил фанатской культуре стать более распространенной и доступной.Вместо того, чтобы отправлять фанфики в журнал, где, в случае принятия, они будут фотокопированы вместе с другими работами и отправлены в список рассылки, современные фанаты могут размещать свои работы в Интернете.

Медиа-исследователь Генри Дженкинс противопоставляет культуру участия культуре потребления, предполагая, что фанаты «переманивают» популярные СМИ, присваивая идеи из текста и творчески перечитывая их для собственного использования. Одна из теорий массовой культуры утверждает, что корпоративная «индустрия культуры» (производители медиа, такие как телесети и киностудии) отдает приоритет прибыли в ущерб качеству, и что поп-культура является формой гегемонии, используемой для распространения доминирующих идеологий.Однако теория культуры участия предполагает, что фанатов СМИ следует понимать не как «культурных обманщиков, социальных неудачников и бездумных потребителей», а как «активных производителей и манипуляторов смысла» (Jenkins 1992: 23). Взаимодействие фанатов со СМИ становится социальной деятельностью, и этот процесс позволяет фанатам создавать свои собственные сообщества, в которых они могут выражать себя. При этом они создают пространство, где они могут критиковать предписывающие идеи пола, сексуальности и другие нормы, частично продвигаемые медиаиндустрией.

Дженкинс также теоретизирует, что культура участия может быть формой сопротивления. Например, фанфики, фан-видео и филк-песни часто исследуют темы и аспекты исходного материала, представляющие интерес для части фан-сообщества, в которой преобладают женщины, выходя за рамки историй, которые интересуют медиа-индустрию, в которой преобладают мужчины, или готов рассказать. Он предполагает, что «само существование фандома представляет собой критику традиционных форм потребительской культуры», а также предоставляет «пространство, в котором фанаты могут выражать свои конкретные опасения по поводу сексуальности, гендера, расизма, колониализма, милитаризма и принудительного подчинения» (Дженкинс 1992: 283).Поклонники не только активно создают свой собственный творческий материал, но и часто делают это таким образом, что критикуют медиа, которые они потребляют.

 

Иерархии гиков

Выдержка из иерархии компьютерных фанатов, блок-схемы, созданной Лоре Сьобергом для определения общего рейтинга того, что делает фанатов определенного типа более или менее гиковскими

 

Социальные иерархии существуют между фан-культурами и внутри них, что может привести к осуждению. Члены любой подгруппы, как правило, имеют общий консенсус в отношении приемлемого поведения, т.е.д., какое поведение характерно для настоящих фанатов или отчаянных сверхконформистов. Эта динамика представлена ​​в иерархии гиков. В то время как участники извлекают выгоду для себя, демонстрируя приверженность, «слишком большие вложения представляют угрозу, даже если именно этот аффект определяет фанатов и гиков» (Busse 2006: 79). Например, фанатка «Звездного пути», которая идет на съезд фанатов, может считать себя более чокнутой, чем тот, чье участие в сериале заканчивается его просмотром, но менее чокнутой, чем другая фанатка «Звездного пути», говорящая на клингонском языке (языке одного из инопланетян в сериале). гонки).Определение своего места в фан-культуре зависит от умения провести тонкую грань между профессионализмом, потребительством, опытом и преданностью делу.

 

Фэндомы и личность

Участие в фан-культуре часто зависит от пола, и место той или иной фан-активности во внутренней иерархии часто коррелирует с полом участников. Например, подавляющее большинство авторов фанфиков — женщины (Coppa 2013). Как правило, «преобразующая» деятельность, такая как создание фанфиков, фан-арта, фанвидов и т. д., ассоциируется с поклонницами.И наоборот, «лечебная» или «аффирмативная» деятельность, такая как запоминание мелочей или коллекционирование товаров, как правило, ассоциируется с фанатами-мужчинами. Хотя эти два типа фан-деятельности не исключают друг друга, и хотя люди всех полов участвуют в той или иной форме деятельности, гендерные стереотипы, связанные с каждым типом фандома, отражаются в том, относятся ли к тем, кто занимается этой деятельностью, как к «серьезным ‘ поклонники. Генри Дженкинс пишет, что «преимущественно женский состав медиа-фандома отражает исторический раскол в сообществе фанатов научной фантастики между литературными поклонниками, в которых традиционно доминируют мужчины, и более новым, более женственным стилем медиа-фандома» (1992: 48).Это разделение отражается в творчестве поклонников (в основном женщин): фанфики часто привносят женский опыт в исходные тексты, которые обычно написаны мужчинами и о них, часто бросая вызов нормам пола и сексуальности. В своей статье об иерархии компьютерных фанатов и гендерном определении Кристина Буссе (2013) углубляется в то, как гендер влияет на восприятие определенного поведения фанатов. Мало того, что определенные ветви субкультуры, такие как те, которые занимаются фанфикшном, становятся неблагоприятными для определенного пола, но и то, как средства массовой информации изображают фанаток, выставляет их в отчаянном и позорном свете.Буссе описывает, как телевизионная программа «Сверхъестественное », фанатами которой являются в основном женщины, изображает гендерную предвзятость в представлении конкретной фанатки на съезде в эпизоде ​​​​5 × 09. Вместо того, чтобы наделять ее чертами характера, такими как помолвка, любопытство и обязательность, этот эпизод изображает ее сексуально агрессивной и неприятной по отношению к героям-мужчинам шоу. По словам Буссе, «это подлое и ненавистное изображение фанаток кажется странным, и все же оно предполагает, что предполагаемый зритель явно не фанатка» (2013: 82).

Астронавт Саманта Кристофоретти исполняет вулканский салют в футболке Star Trek.

 

По словам Сары Гэтсон и Робина Рейда, «у фаната по умолчанию есть предполагаемая раса, класс и сексуальная ориентация: белый, средний класс, мужчина, гетеросексуал» (Gatson & Reid 2012). Этот стереотипный (и часто неверный) профиль участников фэндома применяется ко многим фэндомам, таким как фэндом Брони и фэндом научной фантастики. Почему белые гетеросексуальные мужчины, которые, возможно, имеют самый высокий статус в нашем патриархальном обществе, добровольно решают понизить свой социальный статус, участвуя в фандомах? Мэл Стэнфилл в своей статье «Заниматься фандомом, (не)делая белизну: гетеронормативность, расизация и дискурсивное конструирование фандома» утверждает, что одним из качеств участия фандома является то, что оно конструируется как в конечном счете «исправимое» (Stanfill 2011).Понятие необходимости «взрослеть» очень распространено в нашем обществе, и это одна линза, через которую общество часто смотрит на участников фандомов: им просто нужно повзрослеть. Поэтому, особенно среди белых участников, фандом рассматривается как безопасный способ поэкспериментировать с новой идентичностью, сохраняя при этом возможность вернуться к белым нормам, от которых они отклонились. Стэнфилл далее заявляет, что общая тенденция изображать фанатов белыми в популярной культуре служит для подтверждения того, что фанаты ожидают белизны (Stanfill 2011).Стереотип фанатов как белых мужчин часто неверен. Во многих фандомах большинство фанатов составляют женщины, а не мужчины (как в фандомах «Сумерки» и «Голодные игры»). Кроме того, женщины часто составляют большинство поклонников, ориентированных на преобразующую работу, даже для средств массовой информации, ориентированных на мужчин; например, женщины были основными движущими силами раннего фандома «Звездного пути», который обычно считается первым современным медиа-фандомом. Точно так же многие цветные люди действительно участвуют в фандоме; однако, за исключением случаев, когда первоначальный исходный материал не является западным, существование и вклад любителей цвета часто менее признаны, чем их белые коллеги.

 

Фэндом как потребительская культура

Редкий старинный комикс, один из предметов коллекционирования, который некоторые поклонники ценят как часть своей подлинности и самобытности.

В своей работе о фан-культуре и культуре участия Мэтт Хиллс исследует взаимодействие между производством и потребительством, которое критикуют фан-культуры. Хотя фандом обычно разделяет своих участников на «моральный дуализм «хорошего» фандома и «плохого» потребления», Хиллс выступает за менее разделенную классификацию фан-культуры (Hills 2002).Кроме того, несколько различных фан-культур превратили тех, кто придерживается традиционных принципов капитализма, в других; люди, которые покупают слишком много вещей, автоматически теряют подлинность, внося свой вклад в структуры, которые слишком тесно связаны с господствующим капиталистическим обществом, тем самым отчуждая себя от якобы преданных фанатов. И наоборот, «нам представляют фанатов как (специализированных) потребителей, чье фанатство выражается в том, чтобы не отставать от новых выпусков книг, комиксов и видео» (Hills 2002).Таким образом, фанаты должны постоянно занимать пространство, в котором они создают свою уникальную идентичность, отделенную от обычного потребительства, но также укрепляют свой авторитет с помощью конкретных предметов коллекционирования.

Согласно Хиллсу, это согласование ведет к дихотомии между «потребительной стоимостью» и «меновой стоимостью», или к разнице между символическим значением и денежной стоимостью объекта. Хотя кажется, что эти две концепции противоречат друг другу, Хиллс утверждает, что они неотъемлемо связаны и зависят друг от друга.На примере популярной детской басни «Вельветовый кролик » он описывает детскую игрушку, которая сильно изнашивалась с годами, но по-прежнему имеет значение в глазах смотрящего. В то время как кролик больше не содержит достоинств в своей способности быть предметом торговли и, следовательно, не имеет «меновой ценности», ребенок все еще считает его ценным из-за связанных с ним эмоций и воспоминаний. Однако затем Хиллз предполагает, что фанатские субкультуристы должны принять такую ​​полярность как врожденное противоречие.Вместо того, чтобы «потребительная стоимость» и «меновая стоимость» существовали в резком контрасте, эти два понятия перекрываются и дополняют друг друга. Из-за того, что многие объекты «интенсивно субъективно оцениваются фанатами, такие товары приобретают новую «меновую стоимость»», которая «создается за счет долговечности привязанностей фанатов» (Hills 2002). Таким образом, участники обычно попадают в диапазон потребителей и производителей, создавая денежную стоимость за счет своих чрезмерных инвестиций в определенные объекты, а также формируя сопротивление типичным ловушкам, которые они находят в консьюмеризме.

                 

Экономика подарков фэндома

Таша Терк описала фандом как «экономику подарков», основанную не на деньгах или явном обмене товарами или услугами, а на даче, получении и взаимности. Она утверждает, что процесс обмена подарками «является частью того, что позволяет воспринимать и анализировать фандом как сообщество или, скорее, серию перекрывающихся сообществ, а не просто большое и изменчивое количество людей, занимающих одно и то же аффинити-пространство» ( Турок 2014).В фандоме Терк утверждает, что самые ценные подарки — это те, для создания которых требуется время и / или навыки. Таким образом, ценность этих подарков «заключается не только в содержании дара, ни в социальном жесте дарения, но в труде, который был вложен в их создание» (Турк 2014).

По словам Терка, фанатские подарки включают в себя не только наиболее заметные формы творческой деятельности — фики, искусство, видео и т. д. — но и «широкий спектр творческих работ, которые окружают и в некоторых случаях лежат в основе этих предметов искусства» (Терк, 2014 г.) .К ним относятся комментарии к творчеству или творчеству других, добровольное использование навыков редактирования для помощи фанрайтеру, написание рекомендаций или обзоров, организация онлайн-соревнований или обменов, редактирование журналов, планирование конвенций, создание веб-сайтов для фанатской деятельности и т. д. Работа, которая входит в Поддержание «экономики» фандома связано с формированием фандома как сообщества: Тёрк описывает фандом как систему «не только взаимных отдач, но и круговых отдач» (Turk 2014). Поскольку большинство «подарков», описанных выше, публикуются в Интернете (или публикуются в журналах), а не просто отправляются конкретному человеку, все сообщество (или любое заинтересованное подмножество) может считаться получателем подарка.

Терк далее связывает концепцию «круговых пожертвований» с экономикой фандома, объясняя, что большинство фанатов получают больше вещей, чем производят: большинство читают больше фиков, чем пишут, или смотрят меньше видео, чем создают (Turk 2014). Эта асимметрия, утверждает Терк, «критична для функционирования фандома, потому что она уравновешивает асимметрию в другом направлении: не каждый получатель подарка ответит взаимностью «даром реакции», когда реакция может принимать форму комментария или реблог работы (Turk 2014).Это также демонстрирует, как фанаты могут внести свой вклад в «экономику подарков», даже если они не являются продюсерами, посредством обратной связи и перераспределения. С этой точки зрения экономика дарения фандома представляет собой не просто «накопление смежных взаимных отношений между индивидуумами», а «сложную систему, в которой взаимный обмен дарами и, соответственно, вознаграждение за труд распределяются по всему сообществу, а не распределяются между ними». сосредоточены в одной транзакции» (Turk 2014). Это помогает объяснить, почему фанаты предпочитают участвовать в субкультуре: ценность заключается не только в создании произведений искусства или написании статей о своих любимых телешоу или фильмах, но и в потреблении этих работ другими фанатами и в чувстве общности. создаются, когда подарки принимаются в форме чтения, просмотра или иной оценки.Карен Хеллексон исследовала концепцию экономики подарков фэндома.

 

Восприятие фэндома обществом

Джоли Дженсен обратился к роли класса и элитарности в культуре фанатов и участия. Она утверждает, что , поскольку слово «фанат» происходит от слова «фанатик», что означает «сумасшедший», между фанатской культурой и мейнстримом существует пропасть «мы против них». Когда-то определяемые как девиантные из-за своего фанатизма, те, кто является частью фан-культуры, начинают характеризоваться как «неблагонадежные и даже опасные «другие»» (Jensen 1992).Дженсен описывает две характеристики патологических фанатов: «одержимый одиночка», на которого средства массовой информации повлияли до такой степени, что он вступает в «интенсивные фантастические отношения со знаменитостью», и «бешеный фанат», который представляет кричащего и плачущего. подростки в толпе или «ревущий, маниакальный фанат спорта», бунтующий на игре (Jensen 1992). Эти характеристики в конечном итоге приводят к стигматизации фан-культуры, поскольку участников легко стереотипировать. Дженсен утверждает, что, хотя эти стереотипы не являются репрезентативными для фан-культуры в целом, они раскрывают наши взгляды на современное общество и наше отношение к нему.

Члены фандома Брони, известные, в частности, своей стигматизацией и разногласиями «Мы против Них».

У Дженсена есть несколько теорий относительно причин разделения «мы против них». Одной из теорий является «критика современности», которая утверждает, что из-за восприятия современного общества как имеющего слабые «общинные узы» современный человек уязвим для «иррациональных призывов» (Jensen 1992). Кроме того, общество рассматривает современность как возрастающую роль средств массовой информации в нашей жизни.Средства массовой информации манипулируют теми, кто становится жертвой иррациональных призывов, чтобы по существу продемонстрировать иррациональную лояльность к одному из аспектов поп-культуры. Дискредитация представителей фанатской культуры свидетельствует о страхе общества перед современностью. Им не нравится мысль о том, что ими может воспользоваться маркетинговая фирма или корпорация, поэтому они подвергают остракизму тех, кем, по их мнению, они были.

Другая теория, описанная Дженсеном, заключается в том, что некоторые фанаты «используют фан-культуру как форму «психологической компенсации», что означает, что фанаты компенсируют отсутствие удовлетворения в своей жизни, уделяя особое внимание вымышленным реалиям.Однако эта психологическая компенсация не распространяется на всех членов фан-культуры, поскольку существует разница между теми фанатами, которые заменяют межличностные отношения отношениями СМИ и аудитории, и теми, чье участие в фан-культуре дополняет межличностные отношения или помогает им. Фактически, установление межличностных отношений с теми, кто является частью фан-культуры, также помогает в управлении стигмой участников фан-культуры. Члены фан-культуры могут опровергнуть стереотип «одержимого одиночки» и заявить, что фандом — это социальный опыт, тем самым уменьшая стигматизацию, связанную с фан-культурой.Тем не менее, в случаях «чрезмерного фандома» фандомы действуют как «суррогатные отношения» и часто характерны для социально изолированных членов общества (Jensen 1992). Дженсен утверждает, что в фан-культуре есть фанаты, фанатики и девианты. В то время как фанаты ищут идентичность и связи с другими через предмет, фанатики рассматривают предмет как важный аспект своей идентичности, который является неотъемлемой частью их самооценки. Напротив, исследователи заявляют, что фанаты, которых они называют «девиантами», имеют низкую самооценку и, как следствие, склонны к «поглощению ролями» или тенденции использовать девиантность, связанную с фэндомом, как способ «организовать концепцию». себя» (Дженсен, 1992).По сути, Дженсен утверждает, что существует очень тонкая грань между «нормальным фанатом» и «чрезмерным фанатизмом», и эта грань пересекается, когда становится неясной разница между реальностью и фантазией (Дженсен, 1992). Кроме того, эта строка построена в зависимости от контекста.

Последнее рассуждение, которое Дженсен объясняет для разделения «нас против них», заключается в том, что существует «предполагаемая дихотомия между разумом и эмоциями» (Jensen 1992). По сути, другие члены общества могут быть заинтересованы в предмете так же, как и поклонники, но предмет и подход к нему — вот что отличает их друг от друга.Например, как объясняет Дженсен, человек, увлеченный академическим предметом, может быть так же увлечен этим предметом, как и член фан-культуры; однако общество рассматривает академические круги как рациональный интерес образованных членов высшего класса общества, тогда как общество рассматривает фандом как эмоциональную одержимость необразованных представителей низшего класса общества, что поэтому опасно.

аллювиальный вентилятор | Национальное географическое общество

 

Аллювиальные веера обычно образуются, когда текущая вода взаимодействует с горами, холмами или крутыми стенами каньонов.Потоки, несущие аллювий, могут быть струйками дождевой воды, быстро текущим ручьем, мощной рекой или даже стоком с сельского хозяйства или промышленности. Когда ручей стекает с холма, он подхватывает песок и другие частицы — намыв.

 

Стремительная вода выносит аллювий на плоскую равнину, где поток выходит из своего русла и растекается. Аллювий откладывается по мере того, как поток расходится веером, создавая знакомую треугольную форму.

 

Узкий конец аллювиального веера называется его вершиной, а широкий треугольник — фартуком веера.Аллювиальные веера могут быть крошечными, с фартуком всего в несколько сантиметров, расходящимся от струйки водосточной трубы. Они также могут быть огромными. Например, со временем вода, стекающая по реке Коси в Непале, образовала аллювиальный конус шириной более 15 000 квадратных километров (почти 5 800 квадратных миль). Этот «мегафан» несет аллювий с Гималаев.

 

Типы аллювиальных вентиляторов

 

Бахада — это слияние или смешение многих аллювиальных вееров.Бахады распространены в сухом климате, например, в каньонах юго-запада Америки. Бахады могут быть узкими, от течения двух-трех потоков воды, а могут быть и широкими, где сходятся десятки конусов выноса.

 

Аллювиальные веера и баджады часто встречаются в пустынях, где внезапные наводнения смывают аллювий с близлежащих холмов. Их также можно найти в более влажном климате, где ручьи более распространены.

 

Аллювиальные веера встречаются даже под водой. Подводный конус конуса выноса образуется в результате отложения подводным течением аллювия с подводного холма или ледника.

 

Иногда веера образуются без помощи воды. Их называют коллювиальными вентиляторами. Коллювиальные вентиляторы создаются путем массового истощения. Массовое истощение — это просто нисходящее движение камня, почвы или другого материала. Аллювий — это материал, переносимый водой, а коллювий — материал, переносимый массовым отходом. Оползни — это пример массового опустошения, которое часто создает коллювиальные конусы выноса.

 

Конус обломков представляет собой тип аллювиального конуса выноса с крутым склоном, по форме ближе к полуконусу, чем к плоскому конусу.Конусы обломков могут образоваться в результате медленного накопления аллювия в течение многих столетий. Они также могут образовываться по мере того, как валуны и другие крупные материалы собираются во время оползней, наводнений или других случаев массового истощения.

 

Жизнь рядом с вентилятором

 

Аллювиальные веера могут иметь самые разнообразные местообитания. Кустарники, такие как кроличий кустарник и жирная древесина, или даже деревья, такие как ясень или ива, обычны в районе аллювиальных конусов выноса. У этих растений очень глубокие корни, которые могут получить доступ к воде, которая помогла создать аллювиальный конус, но теперь опустилась намного ниже него.

 

Создание поселения на выносном конусе может быть опасным. Аллювиальные вентиляторы подвержены затоплению. Бегущая вода, грязь и мусор могут угрожать населенным пунктам, находящимся за много километров от вершины аллювиального конуса выноса.

Характеристики и классификация оползневых плотин, связанных с Вэньчуаньским землетрясением 2008 г. | Геоэкологические бедствия

  • Элфорд, Д., С.Ф. Кунья и Дж. Д. Айвз. 2000. Сарезское озеро, Памирские горы, Таджикистан: горные опасности и помощь в развитии. Горные исследования и разработки 20: 20–23.

    Артикул Google ученый

  • Асанза, М., Плаза-Нието, Г., Йепес, Х., Шустер, Р. и Рибаденейра, С. 1992. Блокировка оползнем реки Писке, северный Эквадор, в Трудах Оползни. Отблески местности. Материалы шестого международного симпозиума: 10–14.

  • Бушон, М. и Дж.С. Баркер. 1996. Сейсмическая реакция холма: пример Тарзаны, Калифорния. Бюллетень сейсмологического общества Америки 86 (1A): 66–72.

    Google ученый

  • Брюн, Дж.Н. 2001. Разрушенная порода и ненадежная порода свидетельствуют о сильной асимметрии движений грунта во время надвига. Бюллетень сейсмологического общества Америки 91 (3): 441–447.

    Артикул Google ученый

  • Берчфилд, Британская Колумбия, К.Чжилян, Л. Юпинц и Л. Х. Ройден. 1995. Тектоника Лунмэнь-Шаня и сопредельных районов, Центральный Китай. International Geology Review 37(8): 661–735.

    Артикул Google ученый

  • Касальи Н. и Л. Эрмини. 2003. Определение гранулометрического состава материала, слагающего оползневые плотины в Северных Апеннинах: методы отбора проб и обработки. Инженерная геология 69: 83–97.

    Артикул Google ученый

  • Чанг, К.Дж., А. Табоада, Ю.К. Чан и С. Домингес. 2006. Постсейсмические процессы в районе оползня Цзюфэнгершань, эпицентральная зона землетрясения Чи-Чи 1999 г., Тайвань. Инженерная геология 86: 102–117.

    Артикул Google ученый

  • Чигира М., С. Ву, Т. Инокути и Г. Ван. 2010. Оползни, вызванные Вэньчуаньским землетрясением 2008 г., Сычуань, Китай. Геоморфология 118(3–4): 225–238.

    Артикул Google ученый

  • Коста, Дж.Э. и Р.Л. Шустер. 1988. Формирование и разрушение естественных дамб. Бюллетень Геологического общества Америки 100: 1054–1068.

    Артикул Google ученый

  • Кроста Г., П. Дал Негро и П. Фраттини. 2003. Почвенные оползни и селевые потоки на террасированных склонах. Природные опасности и науки о системе Земли 3 (1–2): 31–42.

    Артикул Google ученый

  • Круден, Д.М. и Д.Дж. Варн. 1996. Типы и процессы оползней. В Оползни, расследование и смягчение последствий: специальный отчет, совет по транспортным исследованиям, национальный исследовательский совет , том. 247, изд. А.К. Тернер и Р. Л. Шустер, 36–75.

    Google ученый

  • Цуй П., Ю.Ю. Чжу, Ю.С. Хан, X.Q. Чен и Дж.К. Чжуан. 2009. Оползневые озера, вызванные землетрясением Вэньчуань 12 мая: распространение и предварительная оценка риска. Оползни 6: 209–223.

    Артикул Google ученый

  • Дай, Ф.К., К. Сюй, С. Яо, Л. Сюй, Х.Б. Ту и К.М. Гонг. 2011. Пространственное распределение оползней, вызванных землетрясением Вэньчуань в 2008 г., магнитудой 8,0, Китай. Журнал азиатских наук о Земле 40(4): 883–895.

    Артикул Google ученый

  • Дэвис Т. и М. Максавени. 2002.Динамическое моделирование движения каменных лавин. Канадский геотехнический журнал 39(4): 789–798.

    Артикул Google ученый

  • Дико Р., Брунсден Д., Шротт Л., Ибсен М.Л. (1996) Распознавание оползней: движение и курсы. Нью-Йорк: Уайли. ISBN: 0-471-96477-8,210стр.

  • Даннинг С.А., Д.Н. Петли и Н.Дж. Россер. 2005. В Морфология и сендиментология каменно-лавинных отложений, ограниченных долинами, и их влияние на потенциальную опасность плотины: управление рисками оползней , изд.О. Хунгр, Р. Фелл, Р. Кутюр и Э. Эберхардт. Лондон: Группа Тейлор и Фрэнсис.

    Google ученый

  • Эрмини Л. и Н. Касальи. 2003. Прогноз поведения оползневых дамб с использованием геоморфологического безразмерного показателя. Процессы и формы поверхности Земли 28(1): 31–47.

    Артикул Google ученый

  • Эванс, С., К. Делани, Р.Германнс, А. Стром и Г. Скараша-Муньоцца. 2011. Формирование и поведение естественных и искусственных каменных дамб; последствия для технических характеристик и управления опасностями. В Естественные и искусственные обвальные плотины , 133, изд. С. Г. Эванс, Р. Л. Германнс, А. Стром и Г. Скараша-Муньоцца, 1–75. Берлин Гейдельберг: Springer.

    Глава Google ученый

  • Фан, X. и Q. Сюй. 2010. Оползень Xiejiadianzi, Пэнчжоу.В г. Крупномасштабные оползни, вызванные Вэньчуаньским землетрясением г. , изд. К. Сюй, С. Пей и Р. Хуан, 407–422. Пекин: Научная пресса. глава книги на китайском языке.

    Google ученый

  • Fan, X., CJ van Westen, Q. Xu, T. Görüm и F. Dai. 2012а. Анализ оползневых дамб, образовавшихся в результате Вэньчуаньского землетрясения 2008 г. Журнал азиатских наук о Земле 57: 25–37.

    Артикул Google ученый

  • Вентилятор, X., С.Х. Танг, К. Дж. ван Вестен и Д. Алкема. 2012б. Моделирование сценариев прорыва оползневой плотины Танцзяшань, вызванной Вэньчуаньским землетрясением. Природные опасности и науки о системе Земли 12: 3031–3044.

    Артикул Google ученый

  • Фан, Х., К.Дж. ван Вестен, О. Коруп, Т. Гёрюм, К. Сюй, Ф. Дай, Р. Хуан и Г. Ван. 2012с. Временное хранение воды и наносов в разрушающихся оползневых плотинах, вызванных землетрясением Вэньчуань в 2008 г., Китай. Геоморфология 171–172: 58–68.

    Артикул Google ученый

  • Гасиев Э. 1984. Исследование Усойского оползня на Памире, в кн.: 4-й Междунар. Симп. на оползнях. Торонто (1): 511–515.

  • Германс Р., Р. Науманн, А. Фольгера и А. Пагенкопф. 2004. Седиментологический анализ отложений исторического прорыва оползневой плотины в долине Барранкас, вызвавшего катастрофическое наводнение в Рио-Колорадо в 1914 году, северная Патагония, Аргентина. Оползни: оценка и стабилизация, Балкема 2: 1439–1445.

    Google ученый

  • Германс Р.Л., К. Хьюитт, А.Л. Стром, Э.Г. Эванс, С.А. Даннинг и Г. Скараша-Муньоцца. 2011. Классификация обвальных плотин. В Естественные и искусственные обвальные плотины. цикл лекций по наукам о Земле , изд. С. Г. Эванс, Р. Л. Германнс, А. Стром и Г. Скараша Муньоцца, 581–593. Берлин: Спрингер.

    Глава Google ученый

  • Хьюитт, К.1998. Катастрофические оползни и их воздействие на верхние течения Инда, Каракорум, Гималаи, северный Пакистан. Геоморфология 26(1–3): 47–80.

    Артикул Google ученый

  • Хсю, К.Дж. 1975. Катастрофические потоки обломков (штурцстремы), вызванные камнепадами. Бюллетень Геологического общества Америки 86(1): 129–140.

    Артикул Google ученый

  • Хуанг Р.и Х. Фан. 2013. Оползневая история. Nature Geoscience 6(5): 325–326.

    Артикул Google ученый

  • Хуанг Р.К. и В.Л. Ли. 2009. Анализ геологических опасностей, вызванных землетрясением в Вэньчуане 12 мая 2008 г., Китай. Бюллетень инженерной геологии и окружающей среды 68(3): 363–371.

    Артикул Google ученый

  • Хуанг Р., X. Pei, X. Fan, W. Zhang, S. Li и B. Li. 2012. Характеристики и механизм разрушения крупнейшего оползня, вызванного Вэньчуаньским землетрясением 12 мая 2008 г., Китай. Оползни 9(1): 131–142.

    Артикул Google ученый

  • Хунгр, О. и С. Эванс. 2004. Унос обломков каменными лавинами: анализ механизма длительного схода. Бюллетень Геологического общества Америки 116 (9–10): 1240–1252.

    Артикул Google ученый

  • Айверсон Р. М. и Р. П. Денлингер. 2001. Течение сыпучих масс с переменным псевдоожижением по трехмерной поверхности: 1. Теория кулоновской смеси. Журнал геофизических исследований 106 (B1): 537–552.

    Артикул Google ученый

  • Айверсон Р.М., М.Э. Рейд, М. Логан, Р.Г. ЛаХузен, Дж.В. Годт и Дж. П. Грисволд.2011. Положительная обратная связь и рост импульса при селевом уносе влажных донных отложений. Nature Geoscience 4(2): 116–121.

    КАС Статья Google ученый

  • Кайен Р., Дж. Митчелл, Р. Сид и С. Нишио. 1998. Разжижение почвы в восточной бухте во время землетрясения: профессиональный документ геологической службы США, 1551B .

    Google ученый

  • Кирби, Э., К.Х. Уиппл, В. Тан и З. Чен. 2003. Распределение активного поднятия горных пород вдоль восточной окраины Тибетского нагорья: выводы по продольным профилям каналов коренных пород. Журнал геофизических исследований: Solid Earth 108(B4): 2217.

    Статья Google ученый

  • Коруп, О. 2002. Недавнее исследование оползневых дамб – обзор литературы с особым вниманием к Новой Зеландии. Успехи физической географии 26: 206–235.

    Артикул Google ученый

  • Коруп, О. 2004. Геоморфометрические характеристики новозеландских оползневых дамб. Инженерная геология 73: 13–35.

    Артикул Google ученый

  • Коруп О. и Ф. Твид. 2007. Ледовые, моренные и оползневые плотины в гористой местности. Quaternary Science Reviews 26(25): 3406–3422.

    Артикул Google ученый

  • Лин, Дж., Дж. Лин и Дж. Ли. 2003. Оценка опасности потенциальных селевых потоков в водоразделе реки Чен-Ю-Лань. In Proceedings of the Third International Conference on Mutigation Hazards, Davos, Switzerland , vol. 90, 78. Роттердам: Millpress.

    Google ученый

  • Лин, А., З. Рен, Д. Цзя и С. Ву. 2009 г. Косейсмический сдвиг и распределение подвижек, вызванных землетрясением Вэньчуань в 2008 г. мощностью 7,9 балла, Китай. Тектонофизика 471(3–4): 203–215.

    Артикул Google ученый

  • Лиоу Ю.-А., С.К. Кар и Л. Чанг. 2010. Использование спутниковых изображений высокого разрешения FORMOSAT-2 для оценки стихийных бедствий после землетрясения: исследование после землетрясения в Вэньчуане 12 мая 2008 года. Международный журнал дистанционного зондирования 31(13): 3355–3368.

    Артикул Google ученый

  • Лю, Н., JX Zhang, W. Lin, W.Y. Ченг и З.Ю. Чен. 2009. Осушение барьерного озера Танцзяшань после Вэньчуаньского землетрясения и распространение паводка после прорыва плотины. Наука в Китае. Серия электронных технологических наук 52(4): 801–809.

    Артикул Google ученый

  • Менье, П., Н. Ховиус и Дж.А. Хейнс. 2008. Топографические эффекты местности и расположение оползней, вызванных землетрясением. Earth and Planetary Science Letters 275(3–4): 221–232.

    КАС Статья Google ученый

  • Пэн М. и Л. М. Чжан. 2012. Нарушение параметров оползневых дамб. Оползни 9(1): 13–31.

    Артикул Google ученый

  • Рисли, Дж.К., Дж.С. Уолдер и Р. П. Денлингер. 2006. Волны, перекрывающие Усойскую плотину, и отвод паводков на реках Бартанг и Пяндж, Таджикистан. Природные опасности 38(3): 375–390.

    Артикул Google ученый

  • Сасса, К. 2005 г. Оползневые катастрофы, вызванные землетрясением (2004 г.) в префектуре Мид-Ниигата в Японии. Оползни 2(2): 135–142.

    Артикул Google ученый

  • Сасса, К., Кайбори, М., и Китера, Н. 1985. Разжижение и недренированный сдвиг торрентных отложений как причина селевых потоков, в Трудах Международного симпозиума по эрозии, селевым потокам и предотвращению бедствий: 231–236 .

  • Шустер, Р.Л. 1993. Оползневые плотины – всемирное явление. Ежегодный симпозиум Японского общества по оползням, Кансайское отделение, 27 апреля, Осака.

  • Шен, З.-К., Дж. Сун, П. Чжан, Ю. Ван, М. Ван, Р. Бургманн, Ю. Цзэн, В. Ган, Х. Ляо и К. Ван. 2009. Максимумы подвижек на стыках разломов и разрушение барьеров во время Вэньчуаньского землетрясения 2008 г. Nature Geosci 2(10): 718–724.

    КАС Статья Google ученый

  • Вс, П., Ю. Чжан, Дж. Ши и Л. Чен. 2011. Анализ динамического процесса оползнево-селевого потока Дунхекоу, вызванного землетрясением Вэньчуань 5.12. Journal of Mountain Science 8(2): 140–148.

    Артикул Google ученый

  • Суонсон, Ф.Дж., Ояги, Н., и Томинага, М. 1986. Оползневые плотины в Японии, в Трудах Оползневые плотины @ Процессы, риски и смягчение последствий. (АССЕ): 131–145.

  • Тан, К., Дж.Чжу, С. Ци и Дж. Дин. 2011. Оползни, вызванные землетрясением в Вэньчуане и последующим сильным ливнем: тематическое исследование в районе Бэйчуань в Китае. Инженерная геология 122(1–2): 22–33.

    Артикул Google ученый

  • Ван Г., Ф. Лю, С. Фу и Т. Ли. 2008. Моделирование развития прорыва дамбы для аварийной ликвидации последствий землетрясения на озере Танцзяшань в Китае. Наука в Китае, серия E: Технологические науки 51 (2): 82–94.

    Артикул Google ученый

  • Ван, Г., Р. Хуанг, М. Чигира, С. Ву и С.Д.Н. Лоуренко. 2013. Усиление оползня за счет разжижения материала пути выбега после землетрясения в Вэньчуане (M 8.0) 2008 г., Китай. Процессы и формы поверхности Земли 38: 265–274.

    Артикул Google ученый

  • Weidinger, J.T. 1998. История болезни и анализ опасностей двух перекрывающих озеро оползней в Гималаях. Журнал азиатских наук о Земле 16: 323–31.

    Артикул Google ученый

  • Сюй, К., К.М. Фан, Р.К. Хуанг и Си Джей ван Вестен. 2009а. Оползневые дамбы, вызванные землетрясением в Вэньчуане, провинция Сычуань, юго-запад Китая. Бюллетень инженерной геологии и окружающей среды 68(3): 373–386.

    Артикул Google ученый

  • Сюй, Х., X. Wen, G. Yu, G. Chen, Y. Klinger, J. Hubbard, and J. Shaw. 2009б. Косейсмические взбросо- и косоподвижные поверхностные разломы, возникшие в результате землетрясения 2008 г. с магнитудой 7,9, Вэньчуаньское землетрясение, Китай. Геология 37(6): 515–518.

    Артикул Google ученый

  • Сюй, М., К. Цао, Х. Чжан, Дж. Го, К. Накане, К. Хе, Дж. Го, К. Чанг, Ю. Бао и М. Гао. 2010. Обнаружение изменений барьерного озера, вызванного землетрясением, на основе классификации изображений дистанционного зондирования. Международный журнал дистанционного зондирования 31(13): 3521–3534.

    Артикул Google ученый

  • Сюй, К., Ю. Шан, Т. ван Аш, С. Ван, З. Чжан и С. Донг. 2012. Наблюдения за большим быстрым каменным обвалом Йигун – лавиной обломков, юго-восточный Тибет. Канадский геотехнический журнал 49(5): 589–606.

    Артикул Google ученый

  • Расширение признаков с помощью непараметров и выбора (FANS) в многомерной классификации

    Аннотация

    Мы предлагаем метод многомерной классификации, который включает увеличение характеристик.Зная, что коэффициенты предельной плотности являются наиболее мощными одномерных классификаторах, мы используем оценки отношения для преобразования исходного признака измерения. Затем вызывается штрафная логистическая регрессия, принимая в качестве входных данных недавно преобразованные или дополненные функции. Эта процедура обучает модели, оснащенные локальными сложность и глобальная простота, тем самым избегая проклятия размерности, в то время как создание гибкой нелинейной границы решения. Полученный метод называется Feature Увеличение с помощью непараметров и выбора (FANS).Мы мотивируем FANS, обобщая Наивная байесовская модель, записывающая логарифмическое отношение плотностей соединений в виде линейной комбинации предельные плотности. Она родственна обобщенным аддитивным моделям, но лучше интерпретируемость и вычислимость. Разработаны границы риска для FANS. В числовом анализа, FANS сравнивается с конкурирующими методами, чтобы дать рекомендации по его лучший домен приложения. Анализ реальных данных показывает, что FANS работает очень конкурентоспособность по эталонным наборам данных о спаме по электронной почте и экспрессии генов.Более того, FANS реализуется чрезвычайно быстрым алгоритмом посредством параллельных вычислений.

    Ключевые слова: оценка плотности, классификация, многомерное пространство, нелинейная граница решения, увеличение признаков, выбор признаков, параллельные вычисления

    1 Введение

    по измерениям характеристик. Многочисленные приложения включают обнаружение спама, распознавание изображений, и классификация заболеваний (с использованием данных с высокой пропускной способностью, таких как экспрессия генов микрочипов и SNP).Хорошо известные методы классификации включают линейный дискриминант Фишера. анализ (LDA), логистическая регрессия, наивный байесовский анализ, k -ближайшие соседи, нейронные сети и многие другие. Все эти методы могут хорошо работать в классическом низком размерные настройки, в которых количество признаков намного меньше размера выборки. Однако во многих современных приложениях количество признаков p равно большой по сравнению с размером выборки n . Например, размерность p в данных микрочипов часто исчисляются тысячами или более, в то время как размер выборки n обычно порядка десятков.Помимо вычислительной проблемы, центральный конфликт в многомерной настройке заключается в том, что сложность модели не поддерживается ограниченным доступом к данным. Другими словами, «дисперсия» обычные модели в таких новых настройках имеют высокое значение, и даже простые модели, такие как LDA, должны быть регуляризованным. Мы ссылаемся на Hastie et al. (2009) и Бюльманн и ван де Гир (2011) для обзоры статистических проблем, связанных с высокой размерностью.

    В этой статье мы предлагаем процедуру классификации ВЕНТИЛЯТОРЫ (Расширение функций с помощью непараметрических параметров и выбора).Прежде чем представить алгоритм, мы сначала детализируем его мотивацию. Предположим, что измерения признаков и отклики закодированы пара случайных величин ( X , Y ), где X ∈ 𝒳 ⊂ ℝ p обозначает функции и Y ∈ {0, 1} — бинарный ответ. Напомним, что классификатор h является зависимое от данных отображение из пространства признаков в метки. Классификаторы обычно создан так, чтобы свести к минимуму риск P ( ч ( X ) ≠ и ).

    Обозначим через г и ф класс условных плотностей соответственно для класса 0 и класса 1, т. е. ( X | Y = 0) ~ г и ( X | Y = 1) ~ f . Можно показать, что правило Байеса 1I( r ( x ) ≥ 1/2), где г ( х ) = E ( Y | X = х ).Пусть π = P ( Y = 1), то

    r(x)=πf(x)πf(x)+(1−π)g(x).

    Предположим для простоты, что π = 1/2, тогда решение оракула Граница

    { x : 5 F ( x

    ) / г ( x x ) = 1} = { x

    : log f ( x )−log г ( x ) = 0}, 

    Обозначим через г 1 , ⋯, г р маргиналы г , а по f 1 , ⋯, f p те из ф .Наивные байесовские модели предполагают, что условные распределения каждого особенность, учитывая, что метки классов независимы, т. е.

    logf(x)g(x)=∑j=1plogfj(xj)gj(xj).

    (1.1)

    Наивный байесовский подход — это простой подход, но он полезен во многих многомерных задачах. настройки. Взяв двухклассовую модель Гаусса с общей ковариационной матрицей, Бикель и Левина (2004) показали, что наивное выполнение дискриминантное правило Фишера работает плохо из-за расходящихся спектров. В Кроме того, авторы утверждали, что правило независимости, которое игнорирует структуру ковариации работает лучше, чем правило Фишера, в некоторых многомерных настройках.Однако, корреляция между признаками обычно является существенной характеристикой данных, и она может помочь классификация по подходящим моделям и относительной численности выборки. Примеры в исследование биоинформатики можно найти у Аккермана и Стриммера. (2009). Недавно Fan и соавт. (2012) показал что предположение о независимости может привести к огромным потерям в силе классификации, когда корреляция преобладает, и предложил регуляризованный оптимальный аффинный дискриминант (ROAD). ДОРОГА линейное подключаемое правило, нацеленное непосредственно на ошибку классификации, и оно требует преимущества ковариационной матрицы нерегуляризованной объединенной выборки.

    Ослабление предположения о двух классах Гаусса в параметрическом Наивном Байесе дает нам общая формулировка Наивного Байеса, такая как (1.1). Однако эта модель также не может уловить корреляцию или зависимость среди особенностей в целом. С другой стороны, коэффициенты предельной плотности являются наиболее мощные одномерные классификаторы и использование их в качестве признаков в многомерных классификаторах может дают очень мощные процедуры. Это соображение побуждает нас задать следующие вопрос: есть ли преимущества объединения этих преобразованных функций, а не непреобразованная функция? Точнее, мы хотели бы узнать границу решения из следующий набор

    𝒟={x:β0+β1logf1(x1)g1(x1)+⋯+βplogfp(xp)gp(xp)=0,β0,⋯,βp∈ℝ}.

    (1.2)

    (Все коэффициенты в наивной байесовской модели равны 1, поэтому оптимизация не необходимо.) Для одномерных задач правильное пороговое значение коэффициента предельной плотности предоставляет лучший классификатор. В этом смысле коэффициенты предельной плотности можно рассматривать как наилучшие преобразования будущих измерений, а (1.2) представляет собой попытку объединить эти самые мощные одномерные преобразования в создавать более мощные классификаторы.

    Это в том же духе, что и скрининг достоверной независимости (SIS) в Fan and Lv (2008), где лучшие предельные предикторы используются в качестве зондов для их полезности в совместной модели.Объединив эти предельные плотности отношения и оптимизация по их коэффициентам β j мы хотим создать хороший классификатор, учитывающий зависимость признаков. Обратите внимание, что хотя наша целевая граница 𝒟 не является линейной в исходных функциях, она линейна по параметрам β j s. Следовательно, к преобразованным переменным можно применять любые линейные классификаторы. Например, мы можем использовать логистическая регрессия, одно из самых популярных правил линейной классификации.Другие варианты, такие как SVM (линейное ядро), являются хорошими альтернативами, но мы выбираем логистическую регрессию для остальное обсуждение.

    Напомним, что логистическая регрессия моделирует логарифм шансов по логарифму оцениваются по метод максимального правдоподобия. Следует отметить, что без явного моделирования корреляции, логистическая регрессия учитывает совместные эффекты признаков и выравнивает хорошую линейную комбинацию признаков в качестве границы решения.Его производительность аналогична LDA, но обе модели могут фиксировать только границы решений, линейные в исходном Особенности.

    С другой стороны, логистическая регрессия может служить строительным блоком для более гибкий алгоритм FANS. Конкретно, если мы знаем предельные плотности f j и g j и запустить логистику регрессия по преобразованным функциям {log( f j ( x j )/ g j ( x j ))}, мы создаем границу решения, нелинейную в исходных функциях.Использование этих трансформированные черты легко интерпретируются: человек естественным образом сочетает в себе «наиболее мощные одномерные преобразования (строительные блоки одномерных байесовских правил) {log( f j ( x j )/ g j ( x j ))} а не исходные измерения. В особых случаях, таких как двухклассовая модель Гаусса с общей ковариационной матрицей преобразованные признаки не отличаются от оригинальные. Следует соблюдать некоторую осторожность: если f j = г j для некоторых j , т.е.е., маргинальные плотности для функции j точно такие же, эта функция не будет иметь никаких вклад в классификацию. Такое удаление может привести к потере силы, поскольку функции, имеющие никакие предельные вклады сами по себе не могут повысить эффективность классификации, когда они используется совместно с другими функциями. Ввиду этого дефекта вариант ВЕНТИЛЯТОРА увеличивает преобразованные черты с исходными.

    С предельных плотностей f j и g j неизвестны, нам нужно сначала их оценить, а потом запустить штрафная логистическая регрессия (PLR) для предполагаемых преобразований.Обратите внимание, что некоторые регуляризация (например, пенализация) необходима для уменьшения сложности модели в высоких размерная парадигма. Это двухэтапное правило классификации увеличения признаков с помощью непараметрические и отбор для краткости будем называть ВЕЕРАМИ. Точный алгоритмическая реализация FANS описана в следующем разделе. Численные результаты показывают что наш новый метод превосходен во многих сценариях, в частности, когда нет линейной границы решения может хорошо разделить данные.

    Чтобы понять, какое место занимает FANS по сравнению с наивным байесовским (NB), оштрафованная логистика регрессия (PLR) и регуляризованный оптимальный аффинный дискриминант (ROAD), мы демонстрируем простой пример моделирования.В этом примере выбор делается между многомерным гауссовским распределения и некоторой покомпонентной смеси двух многомерных распределений Гаусса:

    • Класс 0: N((5×110T,0p−10T)T,Σ),

    • Класс 1: w◦N(0p,Ip)+(1−w)◦N((6× 110T,0p−10T)T,Σ), где p = 1000, ◦ — поэлементная произведение между матрицами, Σ ii = 1 для всех i = 1, ⋯, p , Σ ij = 0,5 для всех i , j = 1, ⋯, p и i j и w = ( ш 1 , ⋯, w p ) T , в котором w j ~ iid Бернулли (0.5).

    Средняя ошибка классификации со стандартной ошибкой, показанной на панели ошибок для 100 повторений в зависимости от размера обучающей выборки n представлены в . Эта цифра свидетельствует о том, что увеличение размер выборки не помогает NB повысить производительность (с точки зрения средней классификации ошибка), потому что модель NB сильно смещена ввиду наличия значительной корреляции. Интересно сравнить PLR с ROAD. ROAD является более эффективным подходом, когда размер выборки небольшой; однако PLR в конечном итоге работает лучше, когда размер выборки становится меньше. достаточно большой.Это неудивительно, поскольку лежащая в основе истинная модель не является двухклассовой. Гауссова с общей ковариационной матрицей. Так что менее «предвзятый» PLR бьет ДОРОГА на больших образцах. Тем не менее, даже если ROAD использует неверную модель, она все равно выгоды от конкретного допущения модели на малых выборках. Наконец, поскольку оракул граница решения в этом примере является нелинейной, недавно предложенный подход FANS выполняет значительно лучше, чем другие, когда размер выборки достаточно велик. Вышесказанное анализ, кажется, предполагает, что FANS работает хорошо, пока у нас есть достаточно данных для построения точные оценки предельной плотности.Также обратите внимание, что ROAD лучше, чем FANS, когда размер обучающей выборки крайне мал. показывает что даже при одном и том же распределении данных наилучший практический метод во многом зависит от доступное изобилие образцов.

    Медианные ошибки теста для Гаусса по сравнению со смесью Гаусса при обучении размер данных варьируется. Стандартные ошибки показаны в планках погрешностей.

    Популярным расширением логистической регрессии и близким к FANS является аддитивная логистическая регрессия, относящаяся к обобщенной аддитивной модели (Hastie and Tibshirani, 1990).Аддитивная логистика регрессия позволяет (плавно) преобразовать непараметрические признаки в решение граница путем моделирования

    logP(Y=1|X=x)P(Y=0|X=x)=∑j=1phj(xj),

    (1.3)

    , где h j s являются гладкими функциями. Этот вид границы аддитивного решения является очень общим, в котором FANS и логистическая регрессия являются частными случаями. Хорошо работает для маленьких- p -больших- n сценарии, в то время как его оштрафованные версии адаптируются к высоким размерным настройкам.мы будем сравнивать FANS со штрафной аддитивной логистической регрессией в численных исследованиях. Главный недостаток аддитивная логистическая регрессия (обобщенная аддитивная модель) — сложная вычислительная сложность (например, алгоритм обратной подгонки), связанная с поиском преобразования функции h j (·). Кроме того, доступные алгоритмы, например, алгоритм для penGAM (Meier et al., 2009), не дают оценки, когда размер выборки очень мал. По сравнению с FANS, обобщенная аддитивная модель использует коэффициент K n дополнительных параметров, где K n – число узлов в приближении каждого аддитивные компоненты {hj(·)}j=1p.Хотя это снижает возможные предубеждения по сравнению с FANS, оно увеличивает отклонения в оценке и приводит к увеличению стоимости вычислений (см. ). Более того, FANS допускает красивую интерпретацию оптимального сочетание оптимальных строительных блоков для одномерных классификаторов.

    Таблица 2

    Сравнение времени вычислений (в секундах) для FANS, SVM, ROAD и penGAM. применяется метод параллельных вычислений. Стандартные ошибки указаны в скобках.

    99.1 (98.2) 29.0 (3.1) 9763 106.8 (90.7)
    EX
    Ex (ρ) Вентиляторы Вентиляторы (PARA) SVM Road PengaM Pengam
    1 (0) 12.0 (2.6) 3.8 (0.2) 3,8 (0.2) 59.4 (12.8) 99.1 (98.2) 243,7 (151.8)
    1 (0.5) 12.7 (2.1) 3,5 (0.2) 81.3 (19.2) 100.7 (89,3) 39962 325.8 (194,3)
    2 (0.5) (3.1) 4,0 (0,2) 77.6 (18.1) 978,0(685,7)
    2(0,9) 22,0(4,6) 4,5(0,3) 75.7 (17.8) 98,3 (83.9) 3951.1 (3040.2)
    3 (0) 3 (0) 3 (0) , 12.1 (2.1) 3.4 (0.2) 152.1 (27.4) 96,3 (68.8) 254.6 (130,0)
    3 (0.5) 11,9 (2.0) 3.4 (0.2) 342.1 (58,0) 342.1 (58.0) 95,9 (74.8) 298.7 (167,4)
    4 22.4 (3,9) 6,6(0,4) 264,3(45,0) 75,1(54,0) 4811.9(3991.7)

    размерная классификация. Примеры включают анализ основных компонентов в Bair et al. (2006) и Цзоу и другие. (2006), частичный метод наименьших квадратов в Нгуен и Rocke (2002), Huang (2003) и Boulesteix (2004), а также нарезанная обратная регрессия в Li (1991) и Antoniadis. и другие. (2003). В последнее время наблюдается всплеск интереса к расширению линейный дискриминантный анализ для многомерных настроек, включая Guo et al.(2007), Ву и соавт. (2009), Клемменсен и соавт. (2011), Шао и др. (2011), Кай и Лю (2011), Май и др. (2012 г.) и Виттен и Тибширани (2012 г.).

    Остальная часть статьи организована следующим образом. Раздел 2 знакомит с ВЕНТИЛЯТОРАМИ алгоритм. Раздел 3 посвящен имитационным исследованиям и анализу реальных данных. теоретический результаты представлены в разделе 4. Мы завершаем обсуждение в разделе 5. Более длинные доказательства и технические результаты вынесены в Приложение.

    2 Алгоритм

    В этом разделе эффективный алгоритм ( S 1 – S 5) для ВЕНТИЛЯТОРОВ.Мы также опишем вариант ВЕНТИЛЯТОРОВ (FANS2), который использует оригинальные функции в дополнение к преобразованным.

    2.1 ВЕНТИЛЯТОР и его ограничение времени работы

    • S1

      Дано n пар наблюдений D = {( X я , Y i ), i = 1, ⋯, и }. Произвольно разделить данные на две части для L раз: D л = ( Д л 1 , D л 2 ), л = 1, ⋯, л .

    • S2

      На каждом D л 1 , л ∈ {1, ⋯, L }, применить ядерную оценку плотности и обозначим оценки через = ( 1 , ⋯, p ) T и Ý = ( Ý 1 , ⋯, р ) Т .

    • S3

      Расчет преобразованных наблюдений я = Z , ( X и ), где ij = логарифм j ( X ij ) − журнал ĝ j ( X ij ), для каждого i D l 2 и j ∈ {1, ⋯, p }.

    • S4

      Подходит для L 1 — логистическая регрессия со штрафом преобразованные данные {( я , Y i ), i D l 2 }, используя перекрестную проверку для получения параметр лучшего штрафа. Для нового наблюдения x мы оценить преобразованные функции по журналу j ( x j )−log Ý j ( x j ), j = 1, …, p , и подключите их к логистическая функция для получения предсказанной вероятности p l .

    • S5

      Повторить ( S 2)–( S 4) для l = 1, ⋯, L , используйте предсказанное среднее вероятности prob=L−1∑l=1Lpl в качестве окончательного прогноза и назначить наблюдение x к классу 1, если prob ≥ 1/2, и 0 в противном случае.

    Несколько замечаний по технической реализации.

    Примечание 1
    1. В S 2, , если расчетная предельная плотность меньше чем некоторый порог ε ( скажем 10 −2 ), мы устанавливаем его равным ε. Это Winsorization повышает стабильность преобразований, потому что журнал предполагаемых преобразований j и журнал и нестабильны в регионах, где истинная плотность низкая .

    2. В S 4, мы используем штрафную логистическую регрессию, но можно использовать любой линейный классификатор. Например, метод опорных векторов (SVM) с линейное ядро ​​также является хорошим выбором .

    3. В С 4, Л 1 Штраф (Тибширани, 1996) был принят, поскольку нас в первую очередь интересует ошибка классификации.Мы можем также применяются другие штрафные функции, такие как SCAD (Fan and Li, 2001), , адаптивный LASSO (Zou, 2006), и MCP (Zhang, 2010).

    4. В S 5, берется средняя прогнозируемая вероятность как окончательный прогноз. Альтернативный подход заключается в принятии решения по каждому случайное разделение и прослушивание большинства голосов .

    В S 1 мы разделяем данные несколько раз. Обоснование позади множественное расщепление заключается в двухступенчатом характере прототипа FANS, который использует первый часть данных для маргинальных непараметрических оценок плотности (в S 2) и (преобразование) второй части для штрафной логистической регрессии (в С 4).Множественное разбиение и усреднение прогноза не только делают наши процедура более устойчива к произвольным назначениям использования данных, но также делает более эффективное использование ограниченных данных. Эта идея связана со случайным лесом (Breiman, 2001), где окончательным прогнозом является среднее значение по результатам нескольких образцов начальной загрузки. Другая связанная литература включает Фу и др. (2005), в котором рассматривается оценка ошибка неправильной классификации с небольшими выборками через перекрестную проверку начальной загрузки. Номер расщеплений фиксируется на уровне L = 20 на протяжении всех численных исследований.Этот выбор отражает номер узла нашего кластера. Заинтересованные читатели также могут использовать их лучшие вычислительные ресурсы для большего L . Тем не менее, мы наблюдали что дальнейшее увеличение L приводит к одинаковой производительности для всех примеры моделирования. Также мы рекомендуем сбалансированное задание, поменяв роль данные, используемые для преобразования признаков и для выбора признаков, т. е. D 2 л = ( Д (2 л −1),2 , D (2 l −1),1 ) при Д 2 л −1 = ( Д (2 л −1),1 , Д (2 л -1),2 ).

    Несложно получить ограничение времени работы для нашего алгоритма. Предположим, что разделение было сделано. В S 2 нам нужно выполнить ядро оценка плотности для каждой переменной, которая стоит О ( н 2 р ) 1 . Преобразования в S 3 стоимость O ( np ). В S 4 мы называем R пакет glmnet для реализации штрафной логистической регрессии, которая использует алгоритм приличия координат для каждого уровня штрафа.Этот шаг имеет вычислительную стоимость не более O ( npT ), где T – количество штрафных уровней, т. е. количество раз, когда алгоритм спуска по координате запустить (см. Фридман и др. (2007) для подробного анализ). Значение по умолчанию T = 100, хотя мы можем установить его на другие константы. Таким образом, ограничение времени работы для всего алгоритма равно О ( Л ( н 2 р + нп + нпТ )) = О ( Лнп ( н + Т )).

    Приведенная выше оценка не выглядит особенно интересной. Однако умный реализация процедуры FANS может полностью раскрыть потенциал нашего алгоритма. Действительно, не только L повторений, но и предельная плотность оценки в S 2 могут быть выполнены с помощью параллельных вычислений. Предполагать L — количество доступных узлов и количество ядер процессора в каждом узел N n / T . Этот предположение разумно, потому что T = 100 по умолчанию, N = 8 для нашей реализации и размеры выборки n для многих приложений. меньше кратного TN .При этом предположении, L расчеты предсказанных вероятностей могут быть выполнены одновременно, а результаты объединяются позже в S 5. Кроме того, в S 2, ограничение времени работы становится О ( н 2 р / Н ). В дальнейшем оценка для всего алгоритма будет O ( npT ), то же, что и для штрафных логистическая регрессия. Захватывающее сообщение здесь заключается в том, что, используя современный компьютер архитектуре, мы можем реализовать наше правило непараметрической классификации FANS в пределах время работы по порядку параметрического метода.Время вычислений для различных настройки симуляции указаны в , где первая колонка показывает результаты, когда только L повторений параллельно, а во втором столбце сообщается об улучшении, когда предельная плотность оценки в S 2 распараллелены внутри каждого узла.

    2.2 Увеличение линейных признаков

    Как мы утверждали во введении, признаки без предельной способности различения не делайте вклад в FANS. Одним из средств является запуск (в S 4) штрафная логистическая регрессия с использованием как преобразованных признаков, так и исходных, что сводится к моделированию логарифмических шансов с помощью

    β0+β1logf1(x1)g1(x1)+…+βplogfp(xp)gp(xp)+βp+1×1+…+β2pxp.

    Этот вариант FANS называется FANS2 и позволяет использовать функции без предельная мощность для линейного входа в модель. FANS2 помогает при линейном решении Граница достаточно хорошо разделяет данные.

    3 Численные исследования

    3.1 Моделирование

    При моделировании FANS и FANS2 сравниваются с конкурирующими методами: штрафная логистическая регрессия (PLR, Friedman et al. (2010)), штрафные аддитивные модели логистической регрессии (penGAM, Meier et al. (2009)), метод опорных векторов (SVM), регуляризованный оптимальный аффинный дискриминант (ROAD, Fan et al.(2012)), линейный дискриминантный анализ (LDA), наивный байесовский анализ (NB) и функция отожженное правило независимости (FAIR, Fan и Fan (2008)).

    Во всех настройках симуляции выставляем p = 1000 и обучение и размеры выборки данных тестирования каждого класса должны быть 300. Проведена пятикратная перекрестная проверка когда это необходимо, и мы повторяем 50 раз для каждой настройки (относительно небольшое количество повторений из-за большого времени вычислений penGAM, c.f. ). резюмирует медианные ошибки теста для каждого метода вместе с соответствующими стандартными ошибками.Этот В таблице отсутствует классификатор Фишера (используется псевдоинверсия для выборочной ковариации). матрица), потому что это дает ошибку теста около 50%, что эквивалентно случайному угадывать.

    Таблица 1

    Средняя ошибка теста (в процентах) для примеров моделирования. Стандартные ошибки находятся в скобках.

    Ex, 9.5 (1.7) 9.5 (5.3)
    Ex (ρ) Фанаты Fans2 Road PLR PENGAM NB SVM SVM
    1 (0) 6.8 (1.1) 6.2 (1.2) 6.2 (1.2) 6.0 (1.3) 6.5 (1.2) 6.6 (1.1) 11.2 (1.4) 5.7 (1.0) 13.2 (1,5)
    1 (0.5) 16.5 (1.7) 16.2 (1.8) 16.5 (5.3) 15,9 (1.7) 16.9 (1.6) 20.6 (1.7) 17.2 (1,6) 22,5 1,8)
    2(0,5) 4,2(0,9) 2,0(0,6) 2,0(0,6) 2,5(0,6) 2 37 (0,9) 43.5 (11.1) 25.3 (1.6) 5.3 (1.1)
    2 (0,9) 3.1 (1.1) 0,0 (0,0) 0,0 (0,0) 0.0 (0.0) 0,2 (1.4) 46.8 (8.8) 30.2 (1.9) 0,0 (0,1)
    3 (0) 0,0 (0,0) 0,0 (0,0) 49,6(2,4) 50,0(1,3) 0,0(0,1) 50,4(2,2) 50,2(2,1) 31,8(2,4) 79 795) 3.4 (0,7) 3,4 (0,7) 3.4 (0,7) 49,3 (2.4) 49,3 (2.4) 50,0 (1.3) 3.7 (0,8) 50,0 (2.1) 50.2 (2.0) 19.8 (2.4)
    4 4 0.0 (0,0) 0,0 (0,0) 28.2 (1.8) 28.2 (1.8) 50,0 (10.7) 0,0 (0,0) 41,0 (1.1) 34.6 (1.4) 0,0962 (0.0)
    Пример 1

    Мы рассматриваем два класса параметров Гаусса, где Σ ii = 1 для всех i = 1, ⋯, p и Σ ij = р | и и | , мк 1 = 0 1000 и μ2=(110T,0990T)T, , в котором 1 d — это вектор длины d со всеми элементами 1 и . 0 d — это вектор длины d со всеми элементами 0 . Два разные корреляции ρ = 0 и ρ = 0,5 расследовано .

    Это классическая настройка LDA. Ввиду линейного оптимального решения граница, непараметрические преобразования в FANS не нужны. указывает на некоторую (незначительную) потерю эффективности из-за к более сложной модели ВЕНТИЛЯТОРЫ. Однако, включая оригинальные функции, FANS2 сопоставимы с методами (например, PLR и ROAD), которые изучают границы, линейные в исходном Особенности. Другими словами, цена использования более сложного метода FANS (FANS2) мала с точки зрения ошибки классификации.

    Интересно наблюдение, что penGAM, основанный на более общем класс модели, чем FANS и FANS2, работает хуже, чем наши новые методы. Это тоже ожидается, так как комплексное пространство параметров, рассматриваемое penGAM, не требуется ввиду линейная граница оптимального решения. Удивительно, но SVM работает плохо (даже хуже, чем NB), особенно когда все функции независимы.

    Пример 2

    Те же настройки, что и в примере 1, за исключением того, что используется общая ковариационная матрица. матрица равной корреляции, с общей корреляцией ρ = 0.5 и р = 0,9.

    То же, что и в примере 1, FANS и FANS2 имеют производительность, сравнимую с PLR и ДОРОГА. Хотя FAIR очень хорошо работает в примере 1, где функции независимы (или почти независимы), он плохо работает, когда есть значительные глобальные попарные корреляция. Аналогичные наблюдения справедливы и для NB. Этот пример показывает, что игнорирование корреляция между признаками может привести к значительной потере информации и ухудшение ошибки классификации.

    Пример 3

    Один класс следует многомерному распределению Гаусса, а другой смесь двух многомерных распределений Гаусса.Точно ,

    • Класс 0: N((3×110T,0p−10T)T,Σp),

    • Класс 1: 0,5×N(0p,Ip)+0,5×N((6×110T,0p−10T)T,Σp),

    , где Σ ii = 1, Σ ij = ρ для i и . Корреляции ρ = 0 и ρ = 0,5 считаются .

    В этом примере класс 0 и класс 1 имеют одно и то же среднее значение, но разные предельные плотности для первых 10 измерений.показывает, что все методы, основанные на линейной границе, работают как случайное угадывание, потому что граница оптимального решения сильно нелинейна. PenGAM сравним с FANS и FANS2, но SVM не может хорошо зафиксировать границу решения оракула, даже если нелинейный применяется ядро.

    Пример 4

    Два класса следуют равномерному распределению ,

    • Класс 0: Униф ( А ),

    • Класс 1: Униф ( Б \ А ),

    где А = { х ∈ ℝ р : ‖ x 2 ≤ 1} и B = [−1, 1] p .Ясно, что оракул граница решения { x ∈ ℝ р : ‖ x 2 = 1}. И снова ФАНТЫ FANS2 хорошо фиксирует эту простую границу, в то время как методы, основанные на линейных границах, не в состоянии Сделай так.

    Время вычислений (в секундах) для различных алгоритмов классификации сообщается в . ВЕНТИЛЯТОРЫ очень быстрые благодаря параллельным вычислениям. В то время как penGAM работает аналогично FANS в моделировании примеры, его вычислительная стоимость намного выше.Сходство в производительности обусловлено обилие обучающих примеров. Мы продемонстрируем спам по электронной почте пример классификации, что penGAM не дает удовлетворительных результатов на малых образцы.

    3.2 Анализ реальных данных

    Мы изучаем два реальных примера и сравниваем FANS (FANS2) с конкурирующими методами.

    3.2.1 Классификация спама по электронной почте

    Сначала мы исследуем эталонный набор данных спама по электронной почте. Этот набор данных был изучали Hastie et al. (2009) среди прочего продемонстрировать возможности аддитивных моделей логистической регрессии.Всего есть n = 4, 601 наблюдение с p = 57 числовых атрибуты. Атрибутами являются, например, процент определенных слов или символов в электронном письме, среднюю и максимальную длину прописных букв и общее количество таких писем. Чтобы показать подходящие области применения FANS и FANS2, мы варьируем пропорцию обучения, от 5%, 10%, 20%, ⋯, до 80% данных, а остальные назначаются в качестве тестового набора. Сплиты повторяется 100 раз, и мы сообщаем медианные ошибки классификации.

    и подведите итоги. Во-первых, мы замечаем, что FANS и FANS2 очень конкурентоспособны, когда размеры обучающей выборки малы. Так как размер обучающей выборки увеличивается, SVM становится сравнимым с FANS2 и немного лучше, чем FANS. В основном, эти три метода доминируют в различных пропорциях тренировок. Чем сложнее модель penGAM не смогла дать классификаторы, когда доля обучающих данных меньше, чем 30% из-за сложности обращения матрицы с базисными функциями сплайнов.Для больших обучающих выборок PenGAM работает лучше, чем линейные правила принятия решений; Однако, он не такой конкурентоспособный, как FANS или FANS2. Также интересно, когда обучение размер выборки составляет 5%, наивный байесовский метод (NB) работает так же хорошо, как и сложный метод FANS2 с точки зрения средней ошибки классификации, но NB имеет большую стандартную ошибку. Более того, медиана ошибки классификации NB остается практически неизменной, когда выборка размер увеличивается. Другими словами, предположение о независимости NB позволяет хорошо обучение с очень небольшим количеством точек данных, но оно не может извлечь выгоду из больших выборок из-за сильная предвзятость модели.

    Средняя ошибка классификации теста для набора данных спама с использованием различных пропорции данных в качестве обучающих наборов для различных методов классификации.

    Таблица 3

    Медианная ошибка классификации (в процентах) данных о спаме в электронной почте при размере тренировочных данных варьируется. Стандартные ошибки указаны в скобках.

    9,9 (0,6) 9.2 (0,6) 9.2 (0,6) 9.5 (0,6) 9.9 (0,4)
    % Фанаты Fans2 Road PLR PLR PENGAM LDA NB Ярмарка SVM
    5 11.1 (2.6) 10.5 (1.1) 10.5 (1.1) 13,6 (0,9) 13,6 (0,9) 13.5 (1.7) 13.6 (1.1) 10.5 (5.0) 15.6 (1.7) 11.2 (0,8)
    10
    10 8.7 (2.4) 8.5 (0,9) 11.3 (0,8) 10.5 (1.1) 11.3 (0,9) 10.7 (4.2) 13,5 (0,9) 9,4(0,7)
    20 8,0(2,1) 7,7(0,7) 10,6(0.6) 9.0 (0,8) 9.0963 — 10962 10.7 (5.3) 12.4 (0,7) 8.1 (0,7)
    30 7.8 (1.7) 7.4 ( 0.5) 10962 10.3 (0,4) 8.9 (0,6) 10.1 (0.5) 10.7 (4.0) 11.7 (0,4) 7.4 (0,6)
    40 7,2(2,2) 6,9(0,5) 10,1(0,5) 9,0(0,6) 8,6(0.5) 10962 10.0 (0,4) 10.5 (5.1) 11,5 (0,6) 11,5 (0,6) 7,0 (0,5)
    50 7.4 (2.2) 7,0 (0,5) 9,9 (0,5) 8.5 (0,6) 8.3 (0.5) 9.3 (0.5) 9.9 (0,4) 10.7 (4.1) 11.8 (0,6) 6,9 (0,5)
    60962 7.4 (2.2) 6.8 ( 0,5) 9,8(0,6) 9,3(0,6) 7,8(0,6) 9,5(0,5) 10.6 (4.8) 11.8 (0,7) 6.5 (0,6)
    70962 70 7.2 (1.6) 6.4 (0,6) 9,5 (0,7) 9,2 (0,7) 7.4 (0,7 ) 9.4 (0,6) 10.5 (4.6) 10.5 (4.6) 11.4 (0,7) 6.4 (0,7)
    80 60 6.9 (1.6) 6.3 (0,7) 9.4 (0,6) 9,3(0,9) 7,4(0,8) 9,2(0,6) 10,4(4,7) 11,4(0,8) 6.3(0.9)
    3.2.2 Классификация рака легкого

    Теперь мы оценим недавно предложенные классификаторы по экспрессии популярного гена. набор данных «Рак легких» (Gordon et al., 2002), который поставляется с заранее определенными отдельными обучающими и тестовыми наборами. Это содержит p = 12, 533 гена для n 0 = 16 аденокарцинома (ADCA) и n 1 = 16 мезотелиома обучение векторов, а также 134 тест-вектора ADCA и 15 тестовых векторов мезотелиомы.

    Вслед за Dudoit et al. (2002), Fan and Fan (2008) и Fan et al. (2012), мы стандартизировали каждую выборку по нулевому среднему и единичному дисперсия. Результаты классификации для FANS, FANS2, ROAD, penGAM, NB, FAIR и SVM: резюмировано в . FANS и FANS2 достигают 0 ошибка классификации теста, в то время как другие методы этого не делают.

    Таблица 4

    Ошибка классификации и количество выбранных генов в данных о раке легких.

    ВЕНТИЛЯТОРЫ FANS2 ROAD PLR penGAM NB FAIR SVM
    Обучение Ошибка 0 0 1 0 0 6 6 0 0 0
    Тестирование Ошибка 0 0 1 6 2 36 7 4
    Нет.Из выбранных генов 52 52 52 52 15 16 16 12533 ​​ 12533 ​​ 12533 ​​ 12533 ​​ 12533 ​​

    4 Теоретические результаты

    В этом разделе происходят неравенство Oracle в отношении избыточного риска для ПОКЛОННИКИ. Обозначим через f = ( f 1 , ⋯, ж р ) Т и г = ( г 1 , ⋯, g p ) T векторы маргинальных плотности каждого класса с f 0 = ( ж 0,1 , ⋯, ф 0, р ) Т и г 0 = ( г 0,1 , ⋯, г 0, р ) Т являющиеся истинными плотностями.Пусть {(Xi,Yi)}i=1n — н.и.р. копии ( X , Y ), а функция регрессии моделируется как

    P(Y1=1|X1)=11+exp(−m(Z1)),

    , где Z 1 = ( Z 11 , ⋯, Z 1 p ) T , каждый Z 1 j = Z 1 j ( X 1 ) = log f j ( X 1 j ) − журнал г j ( X 1 j ) и m (·) — функция общего положения в некотором классе функций ℳ, которая включает линейные функции.Теперь пусть 𝒬 = { q = ( м , ф , г )} быть интересующее пространство параметров с ограничениями на м , ф и г будут указаны позже. Функция потери, которую мы считаем

    ρ ( Q ) = ρ ( м , F 9059, г ) = ρ Q ( x 1 , y , y y 1 ) = — y

    1 м ( Z 1 ) + log (1 + exp [ м ( Z 1 )]).

    Пусть м 0 = аргумент мин м ∈ℳ P ρ( м , f 0 , г 0 ). Тогда целевой параметр q * = ( м 0 , f 0 , г 0 ). Мы используем рабочую модель с м β ( Z 1 ) знак равно β T Z 1 приблизиться к м 0 .В рамках этой рабочей модели для заданного параметр q = ( м β , f , g ), пусть

    πq(X1)=P(Y1=1|X1)=11+exp(−βTZ1).

    (4.4)

    В этом линейном приближении функция потерь представляет собой логистические потери

    ρ ( Q ) = ρ Q Q ( x 1 , y 1 ) = — y 1 β T T 9059 Z Z 1 + Log (1 + Exp [ β T Z 1 ]).

    Обозначим эмпирические потери через Pnρ(q)=∑i=1nρq(Xi,Yi)/n, а ожидаемые потери через P ρ( q ) = E ρ q ( X , и ). В дальнейшем мы берем ℳ как линейную комбинацию преобразованные признаки так, что м 0 = м β 0 , где

    β0=argminβ∈ℝpPρ(mβ,f0,g0).

    Другими словами, q 0 = ( м β 0 , ф 0 , г 0 ) = q *.Следовательно, избыточный риск Для параметра Q составляет

    ( Q ) = р ( ρ ( q ) — ρ ( q * )] = p [ ρ ( q )− ρ ( q 0 )].

    (4.5)

    Как описано в разделе 2, плотность f 0 и г 0 недоступны и должны быть оценены.Теорема 2 установит границу избыточного риска для L = 1 основания. процедура, которая подразумевает, что коэффициент логистической регрессии и оценки плотности близко к соответствующим истинным значениям. Следовательно, ожидаем на каждые л = 1, ⋯, L , предсказанная вероятность p l близок к оракулу π q * (·). Это далее подразумевает, что p=1/L∑l=1Lpl близко к π q * (·). Учитывая приведенный выше анализ, мы фиксируем L = 1 в алгоритме FANS (т.е., только один случайный расщепление проводится) на протяжении всей теоретической разработки.

    Предположим, у нас есть помеченные образцы {X1+,⋯,Xn1+} (используются для обучения f 0 ) и {X1−,⋯,Xn1-} (используются для обучения g

  • 0907; теория несет для различных размеров выборки), в дополнение к i.i.d. образец {( X 1 , Y 1 ), ⋯, ( X n , Y n )} (используется для провести штрафную логистическую регрессию).Более того, предположим {( X 1 , Y 1 ), ⋯, ( X n , Y n )} есть не зависит от {X1+,⋯,Xn1+} и {X1−,⋯,Xn1−}. Простой способ понять приведенную выше теоретическую установку состоит в том, что размер выборки 2 90 595 n 90 596 90 727 1 90 728 + 90 595 n 90 596 был разделен на три группы. Обозначения P и E относятся к случайная пара ( X , Y ).Мы используем обозначение P n для обозначения вероятностной меры, индуцированной выборкой {( X 1 , Y 1 ), ⋯, ( X n , Y n )}, и обозначения P + и P для вероятностные меры, индуцированные выборками {X1+,⋯,Xn1+} и {X1−,⋯,Xn1−}.

    Оценки плотности = ( 1 , ⋯, р ) Т и х = ( х 1 , ⋯, Ý p ) T основаны на образцы {X1+,⋯,Xn1+} и {X1−,⋯,Xn1−}:

    f^j(x)=1n1h∑i=1n1K(Xij+−xh)иĝj(x)=1n1h∑i=1n1K(Xij −−xh) для j=1,⋯,p,

    , в котором K (·) является функцией ядра и ч — пропускная способность.,ĝ)+λ‖β‖1.

    Пусть 1 = ( м β̂ 1 , ф̂ , ). Наш цель состоит в том, чтобы контролировать избыточный риск ℰ( 1 ), где ℰ определяется по (4.5). в далее введем технические условия для этой задачи.

    Пусть Z 0 будет n × p матрица плана, состоящая из преобразованных ковариат на основе истинные плотности f 0 и г 0 .То есть Zij0=logf0,j(Xij)−logg0,j(Xij), для i = 1, ⋯, n и j = 1, ⋯, p . Кроме того, пусть Z0=(Z10,Z20,…,Zn0)T. Также обозначим через | С | мощность множества S и по ‖ D max = макс ij | D ij | для любой матрицы D с элементами D ij .

    Допущение 1 (Условие совместимости)

    Матрица Z 0 удовлетворяет условию совместимости с константой совместимости ϕ(·), , если для каждого подмножества S ⊂ {1, ⋯, p }, существует константа ϕ( S ), такое, что для всех β ∈ ℝ p , которые удовлетворяют ‖ β S c 1 ≤ 3‖ β С 1 , считается, что

    ‖βS‖12≤1nϕ2(S)‖Z0β‖2|S|.

    Непосредственное применение следствия 6.8 в работе Bühlmann and van de Geer (2011) приводит к условию совместимости на оценочная матрица преобразования , в которой ij = журнал j ( X ij ) — журнал № j ( X i ).

    Лемма 1

    Обозначим через E = Z 0 матрица ошибок оценки З 0 . Если условие совместимости доволен для Z 0 с константой совместимости ϕ(·), и выполняются следующие неравенства

    32‖E‖max|S|ϕ(S)2≤1, для каждого S⊂{1,⋯,p},

    (4.6)

    условие совместимости выполняется для с новой константой совместимости ϕ1(·)≥ϕ(·)/2.

    Условие совместимости можно интерпретировать как условие, ограничивающее ограниченные собственные значения.Состояние нерепрезентативности (Zhao and Yu, 2006) и состояние разреженного Рисса (SRC) (Zhang and Huang, 2008) схожи по духу. По существу, эти условия позволяют избежать высокой корреляции между подмножествами, в которых сконцентрированы сигналы; такой высокий корреляция может вызвать трудности при оценке параметров и прогнозировании риска.

    Чтобы помочь теоретическому выводу, мы вводим два промежуточных L 0 — штрафные оценки. Учитывая истинные плотности ф 0 и g 0 , рассмотрим теоретическое решение со штрафом q0*=(β0*,f0,g0), где

    β0*=argminβ∈ℝp3Pρ(mβ,f0,g0)+2H(4λsβϕ(Sβ)) ,

    (4.7)

    , в котором H (·) — строго выпуклая функция на [0,∞) с H (0) = 0, с β = | S β | является мощностью S β = { j : β j ≠ 0}, а ϕ(·) – константа совместимости для Z 0 . На протяжении В работе рассматривается конкретная квадратичная функция 2 H (υ) = υ 2 / (4 c ), выпуклая сопряженное G ( u ) = суп υ { u υ — H (υ)} = у.е. 2 .,ĝ)+8λ2sβcϕ12(Sβ).

    (4.9)

    Для изучения избыточного риска ℰ( 1 ), рассмотрим его связь с ℰ(q1*) и ℰ(q0*).

    Допущение 2 (равномерное условие запаса)

    Существует η > 0 такое, что для все ( м β , ф , г ) удовлетворительный β β 0 + макс 1≤ j p ф к ж 0, к + макс 1≤ j p г j г 0, дж ≤ 2η, имеем

    ℰ(mβ,f,g)≥c‖β−β0‖22,

    (4.10)

    , где c — положительная константа числа . (4.8).

    Условие равномерной маржи связано с условием, определенным Цыбаковым (2004) и Ван де Гир (2008). Это своего рода условие «идентифицируемости». В основном вблизи целевого параметра q 0 = ( м β 0 , ф 0 , г 0 ), функциональное значение должно быть достаточно отличается от значения на q 0 , чтобы обеспечить достаточно разделимость параметров.Обратите внимание, что мы применяем условие равномерной маржи как в окрестность параметрической компоненты β 0 и непараметрические компоненты f 0 и г 0 , потому что нам нужно оценить плотности, помимо параметрической части. Связанное понятие в бинарной классификации называется «Предположение о марже», которое впервые было введено в Polonik (1995) для плотностей.

    Для изучения взаимосвязи между ℰ( 1 ) и ℰ(q1*), определяем |υn(β)−υn(β1*)|.,ĝ)+8λ2sβ1*cϕ12(Sβ1*).

    Набор M * = ε*/λ 0 0 для указанного в теореме 1) и

    𝒥 𝒥 1 1 = { W M * λ 0 M * } = { W M * ε * }.

    Идея состоит в том, чтобы выбрать λ 0 так, чтобы событие 𝒥 1 имеет высокую вероятность.

    Для облегчения обсуждения введено еще несколько обозначений.Пусть т > 0. Обозначим через ⌊τ⌋ наибольшее целое число, строго меньшее т. Для любых x , x ′ ∈ ℝ и любая ⌊τ⌋ раз непрерывно дифференцируемая вещественная функция u на ℝ, обозначим через u x его Тейлор многочлен степени ⌊τ⌋ в точке x :

    ux(x′)=∑|s|≤⌊τ⌋(x′−x)ss!Dsu(x).

    Для L > 0, (τ, L , [−1, 1])-гельдеровский класс функций, обозначаемый через Σ(τ, L , [−1, 1]), есть набор функций u : ℝ → ℝ, которые ⌊τ⌋ раз непрерывно дифференцируемы и удовлетворяют для любых x , x ′ ∈ [−1, 1], неравенство:

    | u ( x ′)− u x ( x ′) | ≤ л | х х ′| τ .

    (τ, L , [−1, 1])-класс Гельдера Плотности определяется как

    𝒫 𝒫 Σ ( τ , л , л , [-1, 1]) = { p : p ≥ 0, ∫ p = 1, p  ∈ Σ( τ L , [−1, 1])}.

    Допущение 3

    Предположим, что β 1 находится внутри некоторого компактного набора 𝒞 р . Существует ε 0 ∈ (0, 1) такое, что для всех β ∈ 𝒞 p и е й , г й ∈ 𝒫 Σ (2, L , [−1, 1]), j = 1, ⋯, p , ε 0 < π ( м β , f , г ) (·) < 1 - ε 0 .

    Допущение 4

    Z 0 макс. К для некоторой абсолютной константы К > 0, и β 0 C 1 для некоторой абсолютной константы C 1 > 0.

    Допущение 5

    Уровень штрафа λ находится в диапазоне (8λ 0 , L λ 0 ) для некоторые л > 8. Более того, справедливо следующее

    8KL2(eη/ε0+1)2ηλ0sβ1*ϕ12(Sβ1*)≤1,

    , где η как на едином поле состояние .

    Допущение 3 является условием регулярности вероятности того, что наблюдение относится к классу 1. Поскольку оценка FANS основана на оценке плотностей, мы накладываем ограничения в окрестности оценки оракула β 1 (при использовании и ).Предположение 4 ограничивает максимальный абсолютный ввод матрицы плана, а также максимальный абсолютный истинный коэффициент регрессии. Предположение 5 постулирует правильный диапазон параметра штрафа λ, гарантирующий, что оштрафованный оценщик имитирует не оштрафованный оракул.

    Допущение 6

    Предположим, что измерение функции Х имеет компактную опору [−1, 1] p , и ф 0, к , г 0, й ∈ 𝒫 Σ (2, L , [−1, 1]) для все j = 1, ⋯, p , где 𝒫 Σ обозначает гельдеровский класс плотностей .

    Предположение 7

    Предположим, что существует ε l > 0 такое, что для всех j = 1, ⋯, p , ε л f 0, j , g0,j≤εl−1. Также мы усекаем оценки j и и при ε l и εl−1.

    Предположение 8

    n1720−34α(log(3p))34(logn1)110=o(1),

    и ,

    n1110−α(log(3p))12(logn1)25=o(1),

    для некоторой константы α > 7/15.

    Допущение 6 накладывает ограничения на поддержку X и условие гладкости на истинных плотностях ф 0 и г 0 , которые помогают контролировать ошибку оценки вызванные непараметрическими оценками плотности. Предположение 7 предполагает, что предельный плотности и ядро ​​строго положительны на [−1, 1] р . Допущение 8 накладывает ограничение на рост размерность p по объему выборки н 1 .j−f0,j‖∞≤η/2,max1≤j≤p‖ĝj−g0,j‖∞≤η/2},

    , где η — константа в условии равномерного запаса. это Из леммы 2 прямо следует, что

    P+−(𝒥2)≥1−6pexp(η2n11−α/4C22).

    Следующая лемма выводится аналогично лемме 2, поэтому ее доказательство опущено.

    Лемма 3

    При предположениях 6–8, принимая ширину полосы h=(logn1n1)1/5, для любых δ > 0, там существует N2* такое, что если n1≥N2*,

    P +− (‖ E макс м ) 7909 0 909 0 где Е — матрица ошибок оценивания, определенная в лемме 1 и . m=C32log(3p/δ)n11−α для некоторой абсолютной константы C 3 .

    Следствие 1

    При предположениях 6–8 примем полосу пропускания ч=(logn1n1)1/5. По событию 𝒥3={‖E‖max≤C32log(3p/δ)n11−α} (относительно меченых образцов) с P +− (𝒥 3 ) > 1 − δ, существует N2*∈ℕ и C 4 > 0 такие, что если n1≥N2*,|Fkl|=|Ẑ1k−Z1k0|·|Ẑ1l−Z1l0|≤C4bn1 равномерно по k , l = 1, ⋯, p , где bn1=2log(3p/δ)/n11−α.Обозначим через

    𝒥4={32‖E‖maxmaxS⊂{1,…,p}|S|ϕ(S)2≤1}.

    По событию 𝒥 4 выполняется неравенство (4.6) и условие совместности выполняется для , если принять предположение 1 (по Лемма 1). Более того, его можно вывести из леммы 3, взяв конкретное δ,

    P+−(𝒥4)≥1−3pexp{−n11−α/(2048C32Ap2)},

    , где A p = max S ⊂{1,⋯, p } | S |/ϕ( S ) 2 .Комбинируя лемму 2 и условие равномерного запаса, мы видим, что для заданных оценок ф̂ и , условие запаса выполняется для оцениваемой преобразованной матрицы участвует в оценке FANS β̂ 1 . Следуя тем же линиям, что и в van de Geer (2008), получаем следующую теорему, поэтому формальные доказательства опущены.

    Теорема 1 (неравенство Оракула)

    В дополнение к предположениям 1–8 примем ‖mβ1*−mβ0‖∞≤η/2 и ℰ(mβ1*,f^,ĝ)/λ0≤η/4.,ĝ)+16λ2sβ1*(eη/ε0+1)2cϕ12(Sβ1*).

    Более того, когда n1≥max(N1*,N2*) и при условии нормализации, что Z 1 j ≤ 1 для всех j = 1, ⋯, p , it считает, что

    ℙ(𝒥1∩𝒥2∩𝒥3∩𝒥4)≥1−exp(−t)−6pexp{−η2n11−α/(4C22)}−δ−3pexp{−n11−α/(2048C32Ap2)},

    на

    λ0:=4λ*+tK3n+2tn(1+8λ*),

    , где 𝕡 — вероятность относительно всех образцы и

    λ*=2log(2p)n+Klog(2p)3n.

    Теорема 1 показывает, что с большой долей вероятности избыточный риск ВЕНТИЛЯТОРА оценщик может контролироваться с точки зрения избыточного риска q1* при использовании оценочных функций плотности и плюс член явного порядка. Далее мы изучим избыточный риск q1*.

    Успение 9

    Лет Z10(β1) — подвектор Z10 , соответствующий ненулевым компонентам β 1 , и bn1=log(3p/δ1)/n11−α. Предположим, с β 1 a n 1 для некоторой детерминированной последовательности { a n 1 }, и а п 1 · б н 1 = o (1). В сложение , 0 для некоторой абсолютной константы C 5 .

    Допущение 9 допускает количество ненулевых элементов β 1 медленно расходиться с н 1 . Кроме того, требуется нижняя граница ограниченного собственное значение подматрицы Z 0 соответствующее к ненулевым компонентам β 1 .

    Лемма 4

    Пусть Q ( β ) = P ρ( м β , ф̂ , ) + λ‖ β 0 , и β̄ 1 = мин{| β 1, j | : Дж S β 1 }. Под Предположения 3, 6, 7, 8 и 9, на событие 𝒥 3 , есть существует константа N3* такое, что если n1≥N3* и параметр штрафа λ<0,5C5ε0(1−ε0)β¯12, решение L 0 со штрафом совпадает с вариантом без штрафа; это β1*=β1.

    Теорема 2 (неравенство Оракула)

    В дополнение к предположениям 1–9 предположим, что 4C1C4sβ02bn1≤λ0η, параметр штрафа λ ∈ (8λ 0 , мин( L λ 0 , 0.5 С 5 ε 0 (1 — ε 0 ) · мин j 1, j ≠0(|β 1, j |))), , где C 5 определяется в предположении 9 , ‖mβ1*−mβ0‖∞≤η/2 и n1≥max(N1*,N2*,N3*). Использование пропускной способности h=(logn1n1)1/5, на событие 𝒥 1 ∩ 𝒥 2 ∩ 𝒥 3 ∩ 𝒥 4 как и в теореме 1, имеем

    ℰ(mβ1*,f^,ĝ)≤C1C4sβ02bn1.,ĝ)≤16λ2sβ1*(eη/ε0+1)2cϕ12(Sβ1*)+6C1C4sβ02bn1.

    Финал этой теоремы требует некоторых условий. Теперь мы деконволютируем их предоставление высокого уровня описания мотивов, стоящих за этими условиями. Потому что ВЕНТИЛЯТОРЫ — это, по сути, двухэтапная процедура, нам нужно, чтобы оба этапа прошли успешно, чтобы иметь теоретическая гарантия работоспособности. Первым шагом является оценка преобразованного Особенности. На этом шаге нам понадобятся условия регулярности условных плотностей класса ф 0 и g 0 и условия регулярности на ядре компоненты оценки плотности, такие как ядро ​​ K .Кроме того, размер выборки должен быть достаточно большим, чтобы оценка плотности ядра была близка к истине. второй шаг — штрафная логистическая регрессия с использованием оцененных преобразованных признаков. В На этом шаге обычные условия по уровню штрафа, матрице расчета и силе сигнала нужный. Более того, некоторые условия, связывающие непараметрические и параметрические компоненты, т.е. должны быть выполнены первый и второй этапы, такие как условие единой маржи.

    Из теоремы 2 видно, что избыточный риск оценки FANS равен естественно распадается на две части.Одна часть обусловлена ​​непараметрической плотностью оценка, в то время как другая часть связана с регуляризованной логистической регрессией на оцененные преобразованные ковариаты. Когда и штрафной параметр λ, и ширина полосы h непараметрических оценок плотности и выбранным надлежащим образом, оценщик FANS будет иметь уменьшающийся избыточный риск с высоким вероятность. Обратите внимание, что можно явно указать λ, чтобы получить оценку превышения риск с точки зрения объемов выборки n и n 1 , и размерность p .Также стоит отметить, что разработка неравенства оракула процедуры FANS β̂ 1 есть осуществляется через важный мост L 0 -регулируемый оценка β1*.

    Неравенство оракула для FANS2 может быть построено аналогичным образом. В в частности, параметр под рабочей моделью будет изменен на q 2 = ( м ( β ,γ) , ф , г ) и успех заданная вероятность X 1 будет смоделирована модифицированная логистическая функция

    πq2(X1)=P(Y1=1|X1)=11+exp(−βTZ1−γTX1),

    (4.11)

    где мы отмечаем, что помимо преобразованных признаков исходный функции также включены. Мы хотели бы подчеркнуть, что X 1 наблюдается и поэтому нет необходимости чтобы контролировать его ошибку оценки, как мы сделали для Z 1 . Условия теории FANS могут быть адаптированы для установления неравенства оракула для ВЕНТИЛЯТОРЫ2. Мы опускаем детали, чтобы избежать дублирования аналогичных условий и рассуждений.j−f0,j‖∞).

    Поскольку мы предполагали, что все j и f 0, j равномерно ограничены εl−1, ‖ j ж 0, к есть ограничено εl−1 для всех j ∈ {1, ⋯, р }. Это в сочетании с леммой 1 в Тонге (2013), дает оценку высокой вероятности для ‖ j ж 0, к , приводит к следующему неравенству 2 играет роль ε в лемме 1 Тонг (2013) (принимая константу C = 1 для простоты).j−f0,j‖∞≥m)≤pexp(−n11−αm2){1+exp(n11−αmlogn1n1h+n11−αmεl−1n1h)}≤pexp(−n11−αm2){1+exp[2n11−αm (logn1n1h+mεl−1n1αh)]}≤pexp(−n11−αm2){1+exp[2n11−αm(logn1n1)25+2m32εl−12n11110−32α(logn1)110]},

    , где в последнем неравенстве использовали пропускную способность h=(logn1n1)1/5.

    Результаты получены, если принять m=2log(3p/δ1)n11−α (таким образом, δ1=3pexp(−n11−αm2) и принять допущение 8. Обратите внимание, что нам нужно ввести α > 0, так как условия совместности не выполняются при α = 0. В самом деле, нам нужно по крайней мере α > 7/15.j−f0,j‖∞≥m)≤δ1,form=2log(3p/δ1)n11−α.

    Лемма 5

    Для любого вектора θ 0 = (θ 0,1 , ⋯, θ 0, р ) Т , пусть S θ 0 = { j : θ 0, j ≠ 0}, и пусть минимум уровень сигнала θ̄ 0 = мин{|θ 0, j | : j S θ 0 }. Пусть г j ) = с й й — θ 0, j ) 2 + λ‖θ j 0 , где c j > 0. Если λ≤cjθ¯02, г j ) достигает уникального минимума при θ j = θ 0, j .

    Доказательство леммы 5

    При θ 0, j = 0 результат очевиден.Для θ 0, j ≠ 0, имеем j S θ 0 и

    θj≠0)+cjθ0,j2I(θj=0).

    Если λ‖θ0, j‖0≤cjθ¯02, j‖0≤cjθ¯02,

    г ( θ J λ λ θ J 0 I ( θ J J ≠ 0) + λ θ 0, J 0 I ( θ J = 0) = λ θ 0, j 0 .

    С г 0, j ) = λ‖θ 0, j 0 , следует лемма.

    Доказательство леммы 4

    Обозначим Q 0 ( β ) = P ρ( м β , ф̂ , ). Тогда у нас есть β 1 = arg мин β ∈ℝ p Q 0 ( β ): С ∇ Q 0 ( β 1 ) = 0 и

    ∇2Q0(β)=P{Ẑ1Ẑ1Texp(Ẑ1Tβ)(1+exp(Ẑ1Tβ))−2}≥ε0(1−ε0)P{Ẑ1Ẑ1T}⪰0.

    По расширению Тейлора Q 0 ( β ) в β 1 ,

    Q(β)=Q0(β1)+0,5(β−β1)T∇2Q0(β˜)(β−β1)+λ‖β‖0,

    (6.12)

    , где β̃ лежит между β и β 1 . Позволять М̂ = p { 1 ( β 1 ) 1 ( β 1 ) T } куда 1 ( β 1 ) является подвектором 1 , соответствующим ненулевые компоненты β 1 , и M=P{Z10(β1)Z10(β1)T}, где Z10(β1) — подвектор Z10, соответствующий ненулевым компонентам β 1 .Пусть Ф = М̂ M (симметричная матрица). Из результата равномерного отклонения Лемма 3, с вероятностью 1 − δ относительно помеченных образцов существует существует константа C 4 > 0 такая, что | F кл | ≤ С 4 б н 1 равномерно для k , l = 1, ⋯, с β 1 , где bn1=2log(3p/δ)/n11−α.

    Следовательно, ‖ F 2 ≤ ‖ Ф Ф C 4 s β 1 b n 1 C 4 a n 1 b n 1 . Для любого собственного значения λ( ) по неравенству Бауэра-Фике (Бхатия, 1997), мы имеем мин 1≤ k с β 1 | λ ( ) — λ k ( M )| ≤ ‖ F 2 С 4 а н 1 б н 1 , где λ k ( A ) обозначает k -е наибольшее собственное значение A .)≥λk(M)−C4an1bn1≥λmin(M)−C4an1bn1≥C5−C4an1bn1.

    С а н 1 б н 1 = o (1), существует N3*(δ) такое, что при n1>N3*(δ) имеем λ min ( ) > 0.

    Пусть β1(1) — подвектор β 1 , состоящий из ненулевые компоненты. Тогда по (6.12) и лемма 5 для каждого j S β 1 с λ < 0.5 C 5 ε 0 (1−ε 0 ) β̄ 1 2 , имеем

    Q(β)≥Q0(β1)+0,5(C5−C4an1bn1)ε0(1−ε0)‖β(1)−β1(1)‖2+λ‖β‖0≥Q0(β1)+ ∑j∈Sβ1{0,5(C5−C4an1bn1)ε0(1−ε0)(βj−β1,j)2+λ‖βj‖0},

    (6.13)

    , где β 1, j j -й компоненты β и β 1 , соответственно. Для n1≥N3*(δ)

    Q(β)≥Q0(β1)+λ∑j∈Sβ1‖β1,j‖0=Q0(β1)+λ‖β1‖0.

    По (6.12) имеем

    q q q 0 ( β 1 ) = Q 0 ( β 1 ) + λ β 1 1 0 .

    Следовательно, β 1 является локальным минимумом Q ( β ). Тогда из выпуклости Q( β ), что β 1 является глобальным минимизатор β1*.

    Доказательство теоремы 2

    Для простоты обозначим через ρ( м ( Z 1 ), Y 1 ) функция потерь ρ q ( X 1 , Д 1 ) = − Y 1 м ( Z 1 ) + log(1 + exp( м ( Z 1 )). что

    ∂ρ(m(Z1),Y1)∂m(Z1)=−Y1+exp(m(Z1))1+exp(m(Z1))=−Y1+πm,f0,g0(X1) ,

    и

    ∂2ρ(m(Z1),Y1)[∂m(Z1)]2=exp(m(Z1))[1+exp(m(Z1))]2.

    Из разложения Тейлора второго порядка получаем, что )](mβ(Ẑ1)−mβ0(Z10))+12∂2ρ(m*,Y1)[∂mβ(Z1)]2(mβ(Ẑ1)−mβ0(Z1))2,

    (6.14)

    , где м * лежит между м β ( 1 ) и mβ0(Z10). Поскольку

    P[∂ρ(mβ0(Z10),Y1)∂mβ(Z1)]=0

    (6.15)

    и 0 < ∂ 2 ρ( м *, Y 1 )/[∂ м β ( Z 1 )] 2 < 1, принимая математическое ожидание, получаем, что

    |Pρ(mβ(Ẑ1),Y1)−Pρ(mβ0(Z10),Y1)|<0.5P[(mβ(Ẑ1)−mβ0(Z10))2]=0,5P[(Ẑ1Tβ−(Z10)Tβ0)2].

    Следовательно, из следствия 1 на событии 𝒥 3 ,

    |Pρ(mβ0(Ẑ1),Y1)−Pρ(mβ0(Z10),Y1)|≤0,5β0TP[(Ẑ1−Z10)(Ẑ1−Z10)T]β0≤C1C4sβ02bn1,

    , где s β = | S β | является мощностью S β = { j : β j ≠ 0}. Естественно, Pρ(mβ0(Ẑ1),Y1)≤Pρ(mβ0(Z10),Y1)+C1C4sβ02bn1.

    Кроме того, по определению β 1 , P ρ( м β 1 ( 1 ), Y 1 ) = мин β P ρ( м β ( 1 ), Y 1 ).Как результат, P ρ( м β 1 ( 1 ), Д 1 ) ≤ P ρ( м β 0 ( 1 ), Y 1 ). Таким образом, имеем

    Pρ(mβ1(Ẑ1),Y1)≤Pρ(mβ0(Z10),Y1)+C1C4sβ02bn1.

    (6.16)

    Кроме того, по (6.14) и (6.15), для любого β имеем Pρ(mβ(Ẑ1),Y1)≥Pρ(mβ0(Z10),Y1).1)≤16λ2sβ1*(eη/ε0+1)2cϕ2(Sβ1*)+C1C4sβ02bn1.

    электровентилятор — Студенты | Britannica Kids

    Введение

    КОДЕП Интернешнл, Инк.

    Механические устройства, перемещающие воздух и другие газы, необходимы для комфорта и безопасности человека, а также для некоторых промышленных процессов. Грубо говоря, они бывают трех типов. Вентиляторы подают большое количество воздуха или газа при низком давлении, воздуходувки обеспечивают высокую производительность при среднем давлении, а компрессоры подают при высоком давлении.Электрические вентиляторы имеют двигатель, который перемещает лопасти, прикрепленные к центральной вращающейся ступице. Другие распространенные источники энергии для вентиляторов включают двигатели внутреннего сгорания и паровые или газовые турбины.

    Вентиляторы обеспечивают циркуляцию воздуха для охлаждения и вентиляции помещений, а также для контроля влажности. Системы отопления, вентиляции и кондиционирования воздуха всех размеров используют вентиляторы для перемещения воздуха по воздуховодам, змеевикам, фильтрам и помещениям зданий. Вентиляторы отводят тепло, запахи, дым и вредные, коррозионные или легковоспламеняющиеся пары из закрытых помещений.Они охлаждают двигатели, трансмиссии и промышленные товары. Вентиляторы также используются для сушки и передувания легких материалов с одного места на другое.

    Британская энциклопедия, Inc.

    Электровентиляторы имеют двигатель, который вращает вал, на котором находится крыльчатка. Вращающаяся крыльчатка создает давление воздуха, вызывая поток воздуха. Если вентилятор перемещает воздух в том же направлении, что и его вал, это осевой поток. Пропеллерные вентиляторы являются осевыми. Если вентилятор выдувает воздух в виде солнечных лучей или радиально вокруг своего вала, он центробежный.Существуют также вентиляторы смешанного типа. Они перемещают воздух в комбинированном осевом и радиальном направлениях.

    Осевые вентиляторы

    Самый простой и наиболее известный осевой вентилятор — это отдельно стоящий вертикально установленный пропеллерный вентилятор, используемый в домашних условиях для охлаждения и вентиляции. Открытая проволочная оболочка окружает лезвия для безопасности. Часто такие вентиляторы медленно поворачиваются из стороны в сторону, расширяя охват. Напорный вентилятор представляет собой пропеллерный тип, установленный горизонтально в открытом цилиндрическом корпусе. Потолочный вентилятор с тремя или четырьмя незакрытыми горизонтальными лопастями на конце потолочной шахты охлаждает помещения летом, а зимой рециркулирует теплый воздух к потолку для экономии энергии.

    Настенные или потолочные пропеллерные вентиляторы выводят запахи из жилых кухонь и ванных комнат на улицу. Более крупные устройства удаляют тепло, газы и запахи из коммерческих помещений, таких как кухни ресторанов или фабрики. Корпуса этих вытяжных вентиляторов часто имеют внешние заслонки, которые плотно закрываются, чтобы предотвратить утечку, когда вентилятор не используется. Поскольку вытяжные вентиляторы удаляют много нагретого или охлажденного воздуха из зданий, они тратят энергию впустую. Вентилятор без воздуховода, который является энергосберегающей альтернативой для дома, прогоняет насыщенный запахами воздух через короткую трубку с открытым концом, содержащую фильтр.Воздух очищается, но без изменения его температуры.

    Большинство пропеллерных вентиляторов развивают только низкое давление воздуха. Осевые вентиляторы с короткими лопастями, имеющими прямоугольную форму на концах, и цилиндрическим корпусом, оснащенным набором направляющих лопаток для направления воздушного потока, называются лопастными осевыми вентиляторами. По отдельности или в несколько этапов они могут развивать более высокое давление. Вентиляторы с регулируемым шагом имеют лопасти, которые можно регулировать, когда вентилятор работает или находится в состоянии покоя. Изменение шага лопастей изменяет объем и давление перемещаемого воздуха.

    Центробежные вентиляторы

    Центробежные вентиляторы, широко используемые в крупных системах отопления, вентиляции и кондиционирования воздуха, особенно в промышленности, перемещают значительные объемы воздуха в широком диапазоне давлений. Центробежные вентиляторы по расположению лопастей делятся на радиальные, аэродинамические и с загнутыми вперед лопатками. Радиальные центробежные вентиляторы имеют спиральный корпус с круглым входным отверстием в центре и крыльчатку круглой формы с прямыми лопастями, расположенными в виде лепестков ромашки.Рабочее колесо выбрасывает воздух внутрь корпуса. Воздух выходит через улитку или выпускное отверстие.

    Центробежные вентиляторы с аэродинамическим профилем имеют корпус, впускной и выпускной патрубки, аналогичные корпусу радиальных центробежных вентиляторов, но их 10-16 лопастей имеют форму крыльев самолета (аэродинамических профилей) и изогнуты в сторону от направления вращения. Они устроены как лопасти лодки с гребным колесом.

    Центробежные вентиляторы с загнутыми вперед лопатками, обычно меньшего размера, более медленные и менее эффективные, чем другие центробежные вентиляторы, имеют от 24 до 64 неглубоких лопастей с загнутыми вперед пяткой и концом.Корпус, вход, выпуск и расположение лопастей напоминают аэродинамический профиль.

    Вентиляторы на работе

    Вентиляторы обычно составляют часть — наиболее важную часть — систем, которые перемещают или кондиционируют воздух. Типичные компоненты таких систем включают устройства, называемые змеевиками, которые нагревают или охлаждают воздух; те, которые добавляют или удаляют влагу; фильтры для улавливания пыли, бактерий и запахов; трубы, называемые воздуховодами, по которым проходит воздух; и устройства регулирования потока, такие как заслонки, заслонки и лопасти.

    Вентиляторы располагаются в системах в соответствии с их предназначением.Приточные вентиляторы, например, нагнетают воздух и должны быть размещены так, чтобы воздух поступал через них в помещение. Вытяжные вентиляторы находятся на другом конце воздушного потока. Если вентилятор обслуживает несколько помещений одновременно, он располагается в центре. В противном случае скорость потока в разные помещения будет различаться, и вентилятор будет работать неэффективно, расходуя энергию.

    При проектировании систем инженеры учитывают температуру воздуха, который будет перемещать вентилятор. Холодный воздух плотнее горячего. Это влияет на производительность и эффективность вентилятора.

    То, как воздух направляется к вентилятору, важно для эффективности. Например, если весь воздушный поток движется с одинаковой скоростью, все части вентилятора выполняют одинаковую работу, а эффективность максимальна. Однако если скорость воздуха неравномерна, работа распределяется неравномерно, и эффективность снижается. Эту проблему часто решают, размещая прямой воздуховод на входе вентилятора. Воздуховод выравнивает поток воздуха. Наличие чистых фильтров в воздуховодах также способствует повышению эффективности.

    Fan-Delta, Braid Delta и Delta Systems

    Fan-Delta, Braid Delta и Delta Systems Xue et al.399

    Ссылки

    Anstey, RL., 1965. Физические характеристики аллювиального фауса: Natick Laboratories армии США, Технический отчет ES-20,

    109p.

    Boothroyd, J.C., and Nummedal, D., l978. Прогляциальный плетеный отлив: модель для влажных аллювиально-веерных отложений. В

    Miau, AD., (редактор), Речная седиментология. Мемуары Канадского общества геологов-нефтяников 5, стр. 64 1-668.

    Bristow, CS., 1987. Река Брахмапутра: миграция русла и отложения.В: Этридж, Ф.Г., Флорес, Р.М., и

    Харви, доктор медицины (ред.), Последние разработки в речной седиментологии, стр. 63-74.

    Браун Л.Ф. и Фишер В.Л., 1980. Сейсмостратиграфическая интерпретация и разведка нефти, Амер. доц. Pet-

    рул. геол. Заметки по курсу № 16.

    Bull, W.B., 1977. Распознавание аллювиальных конусов выноса в стратиграфической летописи. В: Соэ. Экон. Палеони. Минеральная. Шпее.

    опубл. № 16, стр. 63-83.

    Булл, В.Б., 1977. Аллювиально-веерная обстановка. Успехи физической географии, Vol. 1, стр. 222-270.

    Dutton, SP., 1980. Системы осадконакопления и потенциал углеводородных ресурсов Пенсильванской системы, бассейны Пало-Дуро

    и Далхарт, Техас Панхандл. Техасский университет в Остине, Бюро экономической геологии, Geological Circular

    80-8, ’19p.

    Galloway, WE., 1975. Структура процесса для описания морфологической и стратиграфической эволюции дельтовых

    осадочных систем.В: Бруссард, М.Л. (ред.), Дельты: Houston Geol. Соц., стр. 87-98.

    Galloway, WE., 1976. Отложения и стратиграфическая структура дельты конуса выноса реки Коппер. Ф. Осадок. Бензин. 46,

    pp.726-73 7.

    Galloway, WE., and Hobday, D.K., 1983. Терригенные эластичные системы осадконакопления. Нью-Йорк, Springer-Verlag, 423 стр.

    Galloway, WE., and Xue Liangqing, 1988. Веерно-дельта, косая дельта и классификация дельта-систем. Резюме Международного симпозиума по седиментологии, связанного с месторождениями полезных ископаемых, In

    , июль 1988 г., Пекин, Китай.

    Gloppen, TG, and Steel, RJ, 1981. Отложения, внутренняя структура и геометрия шести аллювиальных дельтовых тел

    (девон-Норвегия) —- исследование значения последовательности напластования в конгломератах. . соц. Экон. Палеонт. Минеральная.

    Спец. Паблик I. №3 1, с.49-69.

    Gustavson, T.C., 1974. Отложение отложений на конусах выноса гравия, носовая часть ледника Маласпина, Аляска. Дж. Осадок.

    Peirol.44, стр.374-489.

    Хэмптон. М.А., 1975. Компетентный мелкозернистый селевой поток, ф. Сединиент.Пейрол. 45, стр. 834-844.

    l-Iandford, CR., and Dutton, S.P., 1980. Pennsylvanian. Раннепермские системы осадконакопления и эволюция окраины шельфа

    , бассейн Палео-Дуро, Техас. амер. доц. Бензин. геол. Бык. 64, стр. 88—106.

    Хейс, Миссури, и Мишель, Дж., 1982. Отложения на береговой линии в заливе задней дуги, нижняя часть залива Кука, Аляска.

    J. Осадок. Пейрол. 52, стр. 251-263.

    Hayward, AB., 1985. Прибрежные аллювиальные конусы выноса (дельты конусов выноса) залива Акаба (Эйлатский залив), Красное море.Осадочная геол-

    огы.Том43,с.241-260.

    Холмс А., 1965. Основы физической геологии. Лондон, Англия, Томас Нельсон и Соун, Лтд., 1, 288 стр.

    Kochel, R.C., and Johuson, RA., 1984. Геоморфология и седиментология влажно-умеренных аллювиальных конусов выноса, центральная

    Вирджиния. В: Костер, Э. Х., и Стил, Р. Дж. (ред.), Седиментология гравия и конгломератов. Canadian Society of

    Petroleum Geologisis Memoir 10, стр. 109-122.

    Костачук Р.А., 1985. Устьевые процессы в дельте фьорда, Британская Колумбия, Канада. Морская геология. Том 69,

    стр. 1-23.

    Линк, М.Х., Робертс, М.Т., и Ньютон, М.С., 1985. Бассейн озера Уокер, Невада: пример от третичного (?) до

    Современные отложения в бассейне, примыкающем к активному сдвиговому разлому. В: Biddle, K.T., and Christite-Blick, N.,

    (des.), Сдвиговая деформация, формирование бассейнов и седиментация. соц. эона. Палеони и Минерал. Спец. Опубл. Нет.

    Нервная боль, мышечная боль и многое другое

    Можно с уверенностью сказать, что большинство из нас не большие поклонники боли. Тем не менее, это один из самых важных инструментов коммуникации тела. Представьте, например, что произошло бы, если бы вы ничего не почувствовали, когда положили руку на горячую плиту. Боль — это один из способов, которым тело сообщает вам, что что-то не так и требует внимания.

    Но боль — будь то укус пчелы, сломанная кость или длительная болезнь — также является неприятным сенсорным и эмоциональным переживанием.У него множество причин, и люди реагируют на него разными и индивидуальными способами. Боль, через которую вы проходите, может вывести из строя кого-то другого.

    Несмотря на то, что ощущение боли у разных людей разное, можно классифицировать разные типы боли. Вот обзор различных типов боли и то, что отличает их друг от друга.

    Острая боль и хроническая боль

    Существует несколько классификаций боли. Один состоит в том, чтобы разделить ее на острую боль и хроническую боль.Острая боль обычно возникает внезапно и имеет ограниченную продолжительность. Это часто вызвано повреждением тканей, таких как кости, мышцы или органы, и начало часто сопровождается беспокойством или эмоциональным дистрессом.

    Хроническая боль длится дольше, чем острая, и, как правило, не поддается медикаментозному лечению. Обычно это связано с длительным заболеванием, таким как остеоартрит. В некоторых случаях, например при фибромиалгии, это одна из определяющих характеристик заболевания. Хроническая боль может быть результатом повреждения тканей, но очень часто она связана с повреждением нервов.

    Как острая, так и хроническая боль могут быть изнурительными, и обе они могут влиять на душевное состояние человека. Но природа хронической боли — тот факт, что она непрекращающаяся, а в некоторых случаях кажется почти постоянной — делает человека, страдающего ею, более восприимчивым к психологическим последствиям, таким как депрессия и тревога. В то же время психологический стресс может усиливать боль.

    Около 70% людей с хронической болью, получающих обезболивающее, испытывают приступы так называемой прорывной боли.Прорывная боль относится к вспышкам боли, которые возникают даже при регулярном приеме обезболивающих препаратов. Иногда это может быть спонтанно или вызвано, казалось бы, незначительным событием, например, переворачиванием в постели. А иногда это может быть результатом действия обезболивающего до того, как придет время для следующей дозы.

    Другие способы классификации боли

    Боль чаще всего классифицируют по типу повреждения, которое ее вызывает. Двумя основными категориями являются боль, вызванная повреждением тканей, также называемая ноцицептивной болью, и боль, вызванная повреждением нерва, также называемая невропатической болью.Третья категория — психогенная боль, то есть боль, на которую влияют психологические факторы. Психогенная боль чаще всего имеет физическое происхождение либо при повреждении тканей, либо при повреждении нервов, но боль, вызванная этим повреждением, усиливается или продлевается под действием таких факторов, как страх, депрессия, стресс или тревога. В некоторых случаях боль возникает из-за психологического состояния.

    Боль также классифицируется по типу пораженной ткани или пораженной части тела. Например, боль может называться мышечной болью или болью в суставах.Или врач может спросить вас о боли в груди или боли в спине.

    Некоторые виды боли называются синдромами. Например, миофасциальный болевой синдром относится к боли, которая вызывается триггерными точками, расположенными в мышцах тела. Например, фибромиалгия.

    Боль, вызванная повреждением тканей

    Большинство болей возникает из-за повреждения тканей. Боль возникает из-за повреждения тканей тела. Травма может быть в костях, мягких тканях или органах. Повреждение тканей организма может быть вызвано таким заболеванием, как рак.Или это может произойти из-за физической травмы, такой как порез или сломанная кость.

    Боль, которую вы испытываете, может быть ноющей, острой колющей или пульсирующей. Оно может приходить и уходить, а может быть постоянным. Вы можете почувствовать усиление боли при движении или смехе. Иногда глубокое дыхание может усилить его.

    Боль от повреждения тканей может быть острой. Например, спортивные травмы, такие как растяжение связок лодыжки или торфа, часто являются результатом повреждения мягких тканей. Или это может быть хроническим, таким как артрит или хронические головные боли.А некоторые медицинские методы лечения, такие как облучение при раке, также могут вызывать повреждение тканей, вызывающее боль.

    Боль, вызванная повреждением нерва

    Нервы действуют как электрические кабели, передающие сигналы, в том числе болевые, в мозг и из него. Повреждение нервов может мешать передаче этих сигналов и вызывать аномальные болевые сигналы. Например, вы можете почувствовать жжение, даже если к обожженной области не применяется тепло.

    Нервы могут быть повреждены такими заболеваниями, как диабет, или они могут быть повреждены травмой.Некоторые химиотерапевтические препараты могут вызывать повреждение нервов. Нервы также могут быть повреждены в результате инсульта или ВИЧ-инфекции, среди других причин. Боль, возникающая из-за повреждения нерва, может быть результатом повреждения центральной нервной системы (ЦНС), в которую входят головной и спинной мозг. Или это может быть результатом повреждения периферических нервов, тех нервов в остальной части тела, которые посылают сигналы в ЦНС.

    Боль, вызванная повреждением нерва, нейропатическая боль, часто описывается как жжение или покалывание.Некоторые люди описывают это как поражение электрическим током. Другие описывают это как ощущение покалывания или покалывания. Некоторые люди с повреждением нервов часто гиперчувствительны к температуре и прикосновению. Просто легкое прикосновение, например прикосновение к простыне, может вызвать боль.

    Большая часть нейропатической боли является хронической. Примеры боли, вызванной повреждением нервов, включают:

    Центральный болевой синдром. Этот синдром характеризуется хронической болью, возникающей из-за поражения центральной нервной системы.Повреждение может быть вызвано инсультом, рассеянным склерозом, опухолями и некоторыми другими состояниями. Боль, которая обычно постоянна и может быть сильной, может затрагивать большую часть тела или ограничиваться небольшими участками, такими как руки или ноги. Боль часто может усиливаться при движении, прикосновении, эмоциях и изменении температуры.

    Комплексный регионарный болевой синдром. Это хронический болевой синдром, который может возникнуть после серьезной травмы. Описывается как постоянное жжение. В области боли могут быть замечены определенные аномалии, такие как аномальное потоотделение, изменение цвета кожи или припухлость.

    Диабетическая периферическая невропатическая боль . Эта боль возникает из-за повреждения нервов в ступнях, ногах, руках или руках, вызванного диабетом. Люди с диабетической невропатией испытывают различные виды боли, включая жгучую, колющую и покалывающую.

    Опоясывающий лишай и постгерпетическая невралгия. Опоясывающий лишай — это локализованная инфекция, вызываемая тем же вирусом, что и ветряная оспа. Сыпь и связанная с ней боль, которая может быть изнурительной, возникает на одной стороне тела по ходу нерва.Постгерпетическая невралгия – распространенное осложнение, при котором боль от опоясывающего лишая сохраняется более месяца.

    Невралгия тройничного нерва.

  • Добавить комментарий

    Ваш адрес email не будет опубликован.

    *