論文の概要: Hydroclimatic time series features at multiple time scales

• arxiv url: http://arxiv.org/abs/2112.01447v1
• Date: Thu, 2 Dec 2021 17:43:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-03 19:18:37.581966
• Title: Hydroclimatic time series features at multiple time scales
• Title（参考訳）: 複数の時間スケールにおける水温時系列の特徴
• Authors: Georgia Papacharalampous, Hristos Tyralis, Yannis Markonis, Martin Hanel
• Abstract要約: 様々な物理過程の振る舞いを包括的に理解するには、時間スケールにわたる詳細な調査が必要である。 本研究では, 温暖化環境下での調査を進展させ, 充実させる新しい時系列特徴コンパイル法を提案する。 この特定のコンパイルは、時間的依存、時間的変動、"予測可能性"、ルンピー性、安定性、非線形性(および線形性)、トレンド、スパイク性、曲率、季節性の観点から、大きく解釈可能な特徴の調査と比較を容易にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A comprehensive understanding of the behaviours of the various geophysical processes requires, among others, detailed investigations across temporal scales. In this work, we propose a new time series feature compilation for advancing and enriching such investigations in a hydroclimatic context. This specific compilation can facilitate largely interpretable feature investigations and comparisons in terms of temporal dependence, temporal variation, "forecastability", lumpiness, stability, nonlinearity (and linearity), trends, spikiness, curvature and seasonality. Detailed quantifications and multifaceted characterizations are herein obtained by computing the values of the proposed feature compilation across nine temporal resolutions (i.e., the 1-day, 2-day, 3-day, 7-day, 0.5-month, 1-month, 2-month, 3-month and 6-month ones) and three hydroclimatic time series types (i.e., temperature, precipitation and streamflow) for 34-year-long time series records originating from 511 geographical locations across the continental United States. Based on the acquired information and knowledge, similarities and differences between the examined time series types with respect to the evolution patterns characterizing their feature values with increasing (or decreasing) temporal resolution are identified. To our view, the similarities in these patterns are rather surprising. We also find that the spatial patterns emerging from feature-based time series clustering are largely analogous across temporal scales, and compare the features with respect to their usefulness in clustering the time series at the various temporal resolutions. For most of the features, this usefulness can vary to a notable degree across temporal resolutions and time series types, thereby pointing out the need for conducting multifaceted time series characterizations for the study of hydroclimatic similarity.
• Abstract（参考訳）: 様々な物理過程の挙動を包括的に理解するには、特に、時間的スケールにわたる詳細な調査が必要である。 本研究では,水温環境下での調査を進展させ,強化するための時系列特徴コンパイルを提案する。 この特定のコンパイルは、時間的依存、時間的変動、"予測可能性"、ルンピー性、安定性、非線形性(および線形性)、トレンド、スパイク性、曲率、季節性の観点から、大きく解釈可能な特徴の調査と比較を容易にする。 ここでは,9つの時間分解(1日,2日,3日,7日,0.5ヶ月,1ヶ月,2ヶ月,3ヶ月,6ヶ月)と3つの温暖化時系列型(気温,降水量,流水量)で,34年間の大陸511の地理的位置から得られた時系列記録について,詳細な定量化と多面的特徴付けを行った。 得られた情報と知識に基づいて、時間分解能の増加(または減少)とともに特徴値の特徴を特徴付ける進化パターンに関して、検討された時系列タイプ間の類似性と相違を識別する。 私たちの見解では、これらのパターンの類似性はかなり驚きます。 また,特徴量に基づく時系列クラスタリングから出現する空間パターンは,時間スケールでほぼ類似しており,様々な時間分解能で時系列をクラスタリングする上での有用性について比較した。 ほとんどの特徴において、この有用性は時間分解能と時系列タイプで顕著な程度に変化し、水文気候の類似性を研究するために多面的な時系列特徴付けを行う必要性を指摘する。

関連論文リスト

• Deep Time Series Models: A Comprehensive Survey and Benchmark [74.28364194333447]
  時系列データは、現実世界のシナリオにおいて非常に重要である。 近年、時系列コミュニティで顕著なブレークスルーが見られた。 多様な分析タスクのためのディープ時系列モデルの公正なベンチマークとして、時系列ライブラリ(TSLib)をリリースします。
  論文  参考訳（メタデータ） (2024-07-18T08:31:55Z)
• TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
  時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。 本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
  論文  参考訳（メタデータ） (2024-02-04T13:10:51Z)
• Triformer: Triangular, Variable-Specific Attentions for Long Sequence Multivariate Time Series Forecasting--Full Version [50.43914511877446]
  本稿では,高い効率と精度を確保するために,三角形,可変特性に着目した注意点を提案する。 我々はTriformerが精度と効率の両方で最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-28T20:41:49Z)
• Features of the Earth's seasonal hydroclimate: Characterizations and comparisons across the Koppen-Geiger climates and across continents [0.0]
  我々は, 約1千万の地温, 降水量, 河川流量時系列を分析した。 我々は,コッペン・ガイガー気候分類システムを採用し,季節的な気候の特徴をまとめるために大陸規模の地理的地域を定義した。 コッペン・ガイガー気候層と大陸規模の地理的地域の間で,これらの特徴の規模を特徴付けるために,顕著な違いを見出した。
  論文  参考訳（メタデータ） (2022-04-13T17:42:57Z)
• Time series features for supporting hydrometeorological explorations and predictions in ungauged locations using large datasets [0.0]
  我々は,(部分的)自己相関,エントロピー,時間変動,季節変動,傾向,光沢度,安定性,非線形性,直線性,スパイキネス,曲率などを含む28の特徴に着目した。 これらの特徴を,511獲物の日中温度,降水量,流水量時系列で推定し,従来の地形,土地被覆,土壌,地質特性と地域化の文脈で組み合わせた。
  論文  参考訳（メタデータ） (2022-04-13T17:37:32Z)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
  本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。 我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。 ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
  論文  参考訳（メタデータ） (2021-10-11T13:33:18Z)
• Instance-wise Graph-based Framework for Multivariate Time Series Forecasting [69.38716332931986]
  我々は,異なる時刻スタンプにおける変数の相互依存性を利用するための,シンプルで効率的なインスタンス単位のグラフベースのフレームワークを提案する。 私たちのフレームワークのキーとなる考え方は、異なる変数の履歴時系列から予測すべき現在の時系列に情報を集約することです。
  論文  参考訳（メタデータ） (2021-09-14T07:38:35Z)
• Massive feature extraction for explaining and foretelling hydroclimatic time series forecastability at the global scale [0.0]
  本稿では,記述時系列の特徴と実時間時系列予測可能性の関係について検討する。 このフレームワークを3つのグローバルデータセットに適用する。 Nash-Sutcliffe効率のこの予測可能性は、いくつかの記述的特徴と強く関連している。
  論文  参考訳（メタデータ） (2021-07-25T19:15:19Z)
• Multivariate Time-series Anomaly Detection via Graph Attention Network [27.12694738711663]
  多変量時系列の異常検出は、データマイニング研究と産業応用の両方において非常に重要である。 1つの大きな制限は、異なる時系列間の関係を明示的に捉えないことである。 この問題に対処するために,多変量時系列異常検出のための新しい自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-04T07:46:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。