АДАПТАЦИОННЫЙ ПОДХОД К ИМПУТАЦИИ ОДНОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ СПУТНИКОВЫХ ДАННЫХ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Ханнанов Наиль Камилевич

Современные спутниковые системы наблюдения формируют непрерывные временные ряды измеряемых параметров, которые используются в задачах анализа и прогноза динамики наблюдаемых явлений, однако наличие пропусков, возникающих вследствие сбоев аппаратуры, помех в каналах связи и пр. способствует повышению уровня неопределенности при интерпретации спутниковых данных и снижает эффективность источников информации такого рода. Чаще всего в таких ситуациях применяются простая линейная интерполяция, классические статистические модели и нейросетевые модели. Однако, классические интерполяционные схемы игнорируют сложную динамику сигналов и имеют существенные методические ошибки, в результате чего снижают точность на длинных фрагментах пропусков. Статистические модели чувствительны к предположению стационарности и накапливает ошибку при продолжительном отсутствии данных. Нейросетевые модели демонстрируют избыточную сложность для коротких пропусков при высоких требованиях к вычислительным ресурсам. В работе рассматривается адаптационный метод импутации одномерных спутниковых временных рядов, включающий предобработку и сравнение трёх инструментов импутации – линейной интерполяции, авторегрессионной интегрированной модели скользящего среднего, а также рекуррентной нейронной сети. Показано, что при коротких пропусках простые методы обеспечивают сопоставимое с нейросетью качество, однако при увеличении длины разрывов устойчивое преимущество демонстрирует нейросеть. Значения коэффициента детерминации остаются положительными и сохраняют практическую ценность, тогда как авторегрессионная модель и линейная интерполяция характеризуются ростом средней абсолютной ошибки и снижением коэффициента детерминации вплоть до отрицательных значений. На основе выявленных зависимостей предложен алгоритм выбора метода по длине пропуска, формирующий основу для адаптивной импутации спутниковых временных рядов.

Ключевые слова:Импутация данных; временные ряды; спутниковые данные; линейная интерполяция; статистические модели, рекуррентные нейронные сети; адаптивный выбор метода.