Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Application of Outlier Detection Methods in GNSS Time Series Analysis

Nguyen Huynh Dinh Quoc, Pham Quang Ngoc, Tran Vinh Duc, Nguyen Quoc Long, Nguyen Trong Gia

Inżynieria Mineralna

2024

Vol. 3, no. 2

art. no. 95

In the study of determining vertical displacements of the Earth's crust, GNSS is the technology that enables the highest accuracy in displacement measurement. Moreover, with GNSS time series data, it is possible to identify patterns of displacement over time. An existing issue to address is the detection of outliers and discontinuities within the measurement series. This study investigates outlier detection methods within GNSS time series data to serve the purpose of determining vertical displacements and predicting altitude component values over time. Methods such as IQR, Z-Score, and Percentile were implemented using data from CORS stations named HYEN, QNAM, and CTHO within the VNGEONET network in Vietnam. The data from these stations were initially analyzed using Gamit/Globk software to obtain daily coordinate components of the points. Results from outlier detection and analysis with the Multiple Linear Regression Model indicate that with approximately 2% of measurements identified as outliers, displacement may vary by 0.4mm/year. The LSTM+ICA artificial intelligence model demonstrated excellent performance in prediction with QNAM and CTHO datasets. However, prediction with the LSTM+ICA model raises ongoing research questions, particularly regarding the data collected by the HYEN station.

W badaniach nad określaniem pionowych przemieszczeń skorupy ziemskiej GNSS jest technologią, która umożliwia najwyższą dokładność pomiaru przemieszczeń. Co więcej, dzięki danym z szeregów czasowych GNSS możliwe jest zidentyfikowanie wzorców przemieszczeń w czasie. Istniejącą kwestią do rozwiązania jest wykrywanie wartości odstających i nieciągłości w serii pomiarowej. W niniejszym badaniu zbadano metody wykrywania wartości odstających w danych szeregów czasowych GNSS w celu określenia przemieszczeń pionowych i przewidywania wartości składowych wysokości w czasie. Metody takie jak IQR, Z-Score i Percentile zostały zaimplementowane przy użyciu danych ze stacji CORS o nazwach HYEN, QNAM i CTHO w sieci VNGEONET w Wietnamie. Dane z tych stacji zostały wstępnie przeanalizowane przy użyciu oprogramowania Gamit/Globk w celu uzyskania dziennych składowych współrzędnych punktów. Wyniki wykrywania wartości odstających i analizy za pomocą modelu wielokrotnej regresji liniowej wskazują, że przy około 2% pomiarów zidentyfikowanych jako wartości odstające, przemieszczenie może różnić się o 0,4 mm/rok. Model sztucznej inteligencji LSTM+ICA wykazał doskonałą wydajność w przewidywaniu dla zbiorów danych QNAM i CTHO. Jednak przewidywanie za pomocą modelu LSTM+ICA rodzi ciągłe pytania badawcze, szczególnie w odniesieniu do danych zebranych przez stację HYEN.