使用Karhunen-Loeve和ARIMA方法填补湍流时间序列数据空洞
数据分析、统计与概率
2009-11-13 v1 光学
摘要
使用无人值守仪器在长时间间隔内测量光学湍流时间序列数据不可避免地会导致数据丢失或信号退化。我们提出了一种使用主成分分析（也称为Karhunen-Loeve分解）和ARIMA方法的比较，这些方法旨在纠正这些事件诱发和机械诱发的信号丢失和退化。我们通过检查经验模态分解生成的固有模态函数来报告校正质量。研究的数据是来自商业长光程光学风速计/闪烁计的光学湍流参数时间序列，在室外环境中测量了数百米。
引用
@article{arxiv.physics/0701238,
title = {Turbulence Time Series Data Hole Filling using Karhunen-Loeve and ARIMA methods},
author = {M. P. J. L. Chang and H. Nazari and C. O. Font and G. C. Gilbreath and E Oh},
journal= {arXiv preprint arXiv:physics/0701238},
year = {2009}
}
备注
8 pages, 9 figures, submitted to ICOLAD 2007, City University, London, UK