کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6963093 1452278 2015 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Feature-preserving interpolation and filtering of environmental time series
ترجمه فارسی عنوان
درون یابی و فیلتر کردن سری های زمان زیست محیطی حفظ ویژگی
کلمات کلیدی
گاف پر کردن، ژئوفیزیک، آمار زمین شناسی موانع، چند نقطه عدم قطعیت،
ترجمه چکیده
ما یک روش برای پر کردن شکاف ها و از بین بردن تداخل در سری زمانی برای برنامه های کاربردی شامل نظارت مستمر متغیرهای محیطی ارائه می دهیم. رویکرد غیر پارامتری است و براساس تطبیق الگوی تکراری بین قسمت های آسیب دیده و معتبر سری زمانی است. این متغیرها چندین متغیر را در فرایند تطبیق الگو در نظر می گیرد و اجازه می دهد تا وابستگی های خطی یا غیر خطی بین متغیرها را حفظ کند. عدم اطمینان در سری زمانی زمانی بازسازی شده از طریق تحقق چندانی است. این روش بر روی داده های خود پتانسیل که تحت تأثیر تداخل های شدید و شکاف داده قرار می گیرند، آزمایش می شود و نتایج نشان می دهد که روش ما اجازه می دهد تا ویژگی های طیفی سیگنال اصلی را بازتولید کنیم. حتی در حضور اختلالات سیگنال شدید، این سیگنال به طور قابل توجهی سیگنال را بهبود می بخشد و تعصب هایی را که توسط تداخلات نامتقارن معرفی می شود، تصحیح می کند. برنامه های کاربردی بالقوه گسترده هستند، از جمله ژئوفیزیک، هواشناسی و هیدرولوژی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
We propose a method for filling gaps and removing interferences in time series for applications involving continuous monitoring of environmental variables. The approach is non-parametric and based on an iterative pattern-matching between the affected and the valid parts of the time series. It considers several variables jointly in the pattern matching process and allows preserving linear or non-linear dependences between variables. The uncertainty in the reconstructed time series is quantified through multiple realizations. The method is tested on self-potential data that are affected by strong interferences as well as data gaps, and the results show that our approach allows reproducing the spectral features of the original signal. Even in the presence of intense signal perturbations, it significantly improves the signal and corrects bias introduced by asymmetrical interferences. Potential applications are wide-ranging, including geophysics, meteorology and hydrology.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 72, October 2015, Pages 71-76
نویسندگان
, , , ,