数据缺失与异常值对韧性指标的影响
适应与自组织系统
2026-05-13 v2 混沌动力学
数据分析、统计与概率
地球物理
摘要
地球系统关键组成部分的韧性（或稳定性）日益受到人类活动压力的威胁，亟需可靠的早期警示信号以检测突发性和不可逆转的制度转变。广泛使用的数据驱动韧性指标基于方差和自相关检测“临界减缓”（critical slowing down），即稳定性下降的特征。然而，这些指标的解释受阻于较不明确的统计依赖关系以及其对常见数据问题（如缺失值和异常值）的脆弱性。本文对方差和自相关基于韧性指标之间的统计依赖性进行严格的数学分析，揭示其间谈一致性本质上由时间序列的初始数据点所驱动。利用合成数据和实证数据，我们演示缺失值显著削弱指标间的一致性，而异常值则引入系统性偏差，导致基于时间自相关的韧性估计被高估。我们的结果为跨越日益增长的诸多学科提供了数据预处理策略和准确性评估的必要严谨基础，这些学科使用真实数据推断系统韧性变化。
引用
@article{arxiv.2505.19034,
title = {The influence of data gaps and outliers on resilience indicators},
author = {Teng Liu and Andreas Morr and Sebastian Bathiany and Lana L. Blaschke and Zhen Qian and Chan Diao and Taylor Smith and Niklas Boers},
journal= {arXiv preprint arXiv:2505.19034},
year = {2026}
}