بررسی عملکرد روش های کشف مشاهدات اشتباه در سری های زمانی

Authors

صفورا زمین پرداز

s. zaminpardaz گروه مهندسی نقشه برداری - پردیس دانشکدههای فنی - دانشگاه تهران محمدعلی شریفی

m. a. sharifi گروه مهندسی نقشه برداری - پردیس دانشکدههای فنی - دانشگاه تهران علیرضا امیری سیمکویی

a. r. amiri-simkooei گروه مهندسی نقشه برداری - پردیس دانشکدههای فنی - دانشگاه تهران

abstract

هدف این مقاله، مقایسه ی روش های مختلف کشف مشاهدات اشتباه، در سری های زمانی می باشد. به این منظور، سه روش آنالیز موجک، جستجوی باردا و آستانه گذاری مورد بررسی قرار می گیرند. به منظور مقایسه ی عملکرد این سه روش در کشف مشاهدات اشتباه، از سری های زمانی شبیه سازی شده ی 4 ماهه، بر اساس داده های جزر و مدی استفاده گردیده است. زمانی که مدل تابعی مشاهدات معلوم باشد، روش جستجوی باردا، نسبت به دو روش دیگر، عملکرد قوی تری دارد، زیرا بدون وابستگی به نوع اشتباهات، دارای نرخ موفقیت تقریبا 100% و شکست تقریبا 64/0% می باشد. زمانی که مدل تابعی مشاهدات معلوم نباشد، آنالیز موجک نسبت به روش آستانه گذاری، عملکرد بهتری دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عملکرد روش‌های کشف مشاهدات اشتباه در سری‌های زمانی

هدف این مقاله، مقایسه‌ی روش‌های مختلف کشف مشاهدات اشتباه، در سری‌های زمانی می‌باشد. به این منظور، سه روش آنالیز موجک، جستجوی باردا و آستانه‌گذاری مورد بررسی قرار می‌گیرند. به منظور مقایسه‌ی عملکرد این سه روش در کشف مشاهدات اشتباه، از سری‌های زمانی شبیه‌سازی شده‌ی 4 ماهه، بر اساس داده‌های جزر‌ و مدی استفاده گردیده است. زمانی که مدل تابعی مشاهدات معلوم باشد، روش جستجوی باردا، نسبت به دو روش دیگ...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

بررسی روش فازی- آماری کشف اشتباه ها در داده های لیزر اسکنر

معمولاً خطاهای تصادفی در تمام پارامترهایی که بوسیله ی ابزارهای مشاهده گر برداشت می شوند به عنوان بخشی نامطلوب از مشاهدات وجود دارند. به منظور انجام پردازشهای تحلیلی جهت کشف این اشتباهات فرض می شود که توزیع این خطاها از تابع توزیع نرمال پیروی می کند. اشتباهات اگر حذف نشوند بر روی فرآیندهای محاسباتی بر روی مشاهدات تاثیر منفی خواهند داشت و نتایج آن را غیر قابل اعتماد می کنند. تحقیق پیش رو به اجرا و...

full text

استفاده از روش های پیش بینانه برای کشف موارد نادر در سری های زمانی پزشکی

فرآیند داده کاوی بیشتر توجه خود را معطوف به کشف الگوهای عام برای توصیف اکثریت معنادار داده ها کرده است. اما با گذشت زمان مسائلی در حوزه داده کاوی مطرح شد، که نیازمند کشف مواردی بود که از الگوی عام داده ها تبعیت نمی کرد. به دلیل تکرار کم این موارد استفاده از روش های معمول کشف الگو کارایی خود را از دست می دهند. اهمیت بحث کشف موارد نادر نه تنها از کشف الگوهای عام کم اهمیت تر نیست، بلکه در مواردی ا...

بررسی تغییرات پوشش گیاهی ایران با استفاده از سری های زمانی NDVI سنجنده NOAA-AVHRR و تجزیه وتحلیل هارمونیک سری های زمانی (HANTS)

بررسی تغییرات پوشش‌هایگیاهی می‌تواند اطلاعات ارزشمندی را در مورد گرمایش جهانی،چرخه کربن، چرخه آب و تبادل انرژی به همراه داشته باشد. استفاده از سری‌های زمانی تصاویر ماهواره‌ای و روش‌های ...

full text

بررسی ویژگیها و توان پیش بینی سری های زمانی جریان های نقدی

پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان پیش بینی سری های زمانی گزارش شده و جایگزین های آن متفاوت است؛ لذا روایی خارجی تحقیقاتی که بر اساس جایگزین ها انجام م...

full text

My Resources

Save resource for easier access later


Journal title:
علوم و فنون نقشه برداری

جلد ۲، شماره ۴، صفحات ۱۷-۳۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023