نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر

2 کارشناس ارشد، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر

چکیده

استخراج مشخصات دریا معمولاً از طریق بویه‌های موج نگار انجام می‌شود. اما ثبت داده توسط موج نگارها معمولاً با خطاهایی همراه است. لذا قبل از استخراج هرگونه اطلاعاتی لازم است این خطاها را شناخت و آنها را حذف و یا تصحیح کرد. هدف از این تحقیق، شناسایی خطاهای موجود در برداشت داده-های خام از بویه‌های موج نگار، با استفاده از روش ضریب داده پرت محلی (LOF) است. LOF روشی قدرتمند جهت شناسایی ناهنجاری داده‌ها در یادگیری ماشین است، که در بسیاری از کاربردهای عملی از آن استفاده می‌شود. در این مقاله داده های روزانه بویه‌ موج‌نگار سازمان بنادر و دریانوردی که در آب‌های خلیج فارس در منطقه عسلویه استان بوشهر به آب انداخته شده است در بازه 17/2/92 تا 1/5/92 مورد تحلیل خطا به این روش قرار گرفت. نتایج نشان می-دهد LOF روشی کارآمد برای شناسایی خطاهای موجود در داده‌های موج نگار است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Detection of wave buoy rough data errors using the local outlier factor

نویسندگان [English]

  • M Ketabdari 1
  • Kumars Mahmoudi 2

2 Amirkabir Universiy of Technology

چکیده [English]

Sea states are usually obtained using wave buoys. Wave recording using these wave buoys is usually associated with some errors. So before extracting any information from this data it is necessary to identify and remove or correct them. The aim of this paper is identifying the errors in wave records of buoys using local outlier factor (LOF) method. LOF is a powefull method to identify anomalies in the data in machine learning which is used in many practical applications. In this paper the daily wave data of Asalouye of Boushehr Province in persian Gulf recorded by PMO buoy in the period 17/02/92 to 01/05/92 was analysed for errors using this method. The results show that LOF is an efficient method to detect errors in wave data loggers.

کلیدواژه‌ها [English]

  • Wave Buoy
  • Wave Data
  • Persian Gulf
  • Error Detection
  • Local Outlier Factor (LOF)

[1] واقفی، محمد، قدسیان، مسعود، و ادیب، آرش. "نگرشی بر خطاهای موجود در برداشت داده­های آزمایشگاهی"، نهمین کنفرانس هیدرولیک ایران، دانشگاه تربیت مدرس، آبان ماه 1389.

[2] کتابداری، محمد جواد، و شهربیجاری، علی نظری. "مدل کامپیوتری جامع جهت آنالیز دیتاهای خام ناشی از بویه­های موج نگار"، هشتمین همایش صنایع دریایی، بوشهر، 9 لغایت 11 آبانماه 1385.

[3] http://marinedata.pmo.ir

[4] Bolton, R., and Hand, D. “Unsupervised Profiling Methods for Fraud Detection”, In Credit Scoring and Credit Control VII, 1999.

[5] Eskin, E., “Outlier Detection Over Noisy Data using Learned Probability Distributions”, In Proceedings of the 7th International Conference on Machine Learning, Morgan Kaufmann Publishers Inc., pp.255–262, 2000.

[6] Aggarwal, C., “On Abnormality Detection in Spuriously Populated Data Streams”, In Proceedings of 5th SIAM Data Mining, pp.80–91, 2005.

[7] Manson, G. “Identifying Damage Sensitive, Environment Insensitive Features for Damage Detection”, In Proceedings of the IES Conference, Swansea, UK, pp. 1-5, 2002.

[8] Hollier, G., Austin, J. “Novelty Detection for Strain-Gauge Degradation using Maximally Correlated Components”, In Proceedings of the European Symposium on Artificial Neural Networks, pp.262–539, 2002.

[9] محمودی، کیومرث، و سایبانی، مصباح. "سلامت­سنجی سیستم­های دریایی به روش تشخیص ناهنجاری در یادگیری ماشین"، اولین همایش ملی فناوری­های نوین دریایی (MMT2013)، مازندران، دانشگاه علوم دریایی امام خمینی (ره)، 16 الی 17 تیر 1392.

[10] Augusteijn, M., Folkert, B. “Neural Network Classification and Novelty Detection”, International Journal on Remote Sensing, Vol. 23, No. 14, pp. 2891–2902, 2002.

[11] Theiler, J., and Cai, D. M. “Re-sampling Approach for Outlier Detection in Multispectral Images”, In Proceedings of SPIE, Vol.5093, pp.230-240, 2003.

[12] Spence, C., Parra, L., and Sajda, P. “Detection, Synthesis and Compression in Mammographic Image Analysis with a Hierarchical Image Probability Model”, In Proceedings of the IEEE Workshop on Mathematical Methods in Biomedical Image Analysis, IEEE Computer Society, Washington, DC, USA, Vol. 3, 2001.

[13] Pokrajac, D., Lazarevic, A., and Latecki, L. J. “Incremental Local Outlier Detection for Data Streams”, In Proceedings of IEEE Symposium on Computational Intelligence and Data Mining, pp.1-11, 2007.

[14] Yankov, D., Keogh, E., and Rebbapragada, U. “Disk Aware Discord Discovery: Finding Unusual Time Series in Terabyte Sized Datasets”, Knowledge and Information Systems, Vol.17, No.2, pp.241–262, 2008.

[15] Solberg, H. E., and Lahti, A. “Detection of Outliers in Reference Distributions: Performance of Horn's algorithm”, Clinical Chemistry, Vol.51, No.12, pp.2326–2332, 2005.

[16] Suzuki, E., Watanabe, T., Yokoi, H., and Takabayashi, K. “Detecting Interesting Exceptions From Medical Test Data With Visual Summarization”, In Proceedings of the 3rd IEEE International Conference on Data Mining, pp.315–322, 2003.

[17] Chen, D., Odobez, J. M., and Bourlard, H. “Text Detection and Recognition in Images and Video Frames”, Pattern Recognition, Vol.37, No.3, pp.595-608, March 2004.

[18] Breuning, M., Kriegel, H-P., Ng, R., and Sander, J., “LOF: Identifying Density Based Local Outliers", In Proc. of ACM SIGMOD International Conference on Management of Data (SIGMOD’00), Dallas, Texas, pp.93-104, 2000.

[19] Chen, M. C., Wang, R. and Chen, A. P., “An Empirical Study for the Detection of Corporate Financial Anomaly Using Outlier Mining Techniques”, In ICCIT’07: Proc. of the International Conferenceon Convergence Information Technology, pp.612–617, 2007.

[20] Xi, J., “Outlier Detection Algorithms in Data Mining”, Intelligent Information Technology Applications”, Vol.1, pp.94–97, 2008.

[21] محمودی، کیومرث، کتابداری، محمد جواد، و سایبانی، مصباح. "شناسایی نفوذ به شبکه­های کامپیوتری سیستم­های نظامی، به روش تشخیص ناهنجاری"، اولین همایش ملی فناوری­های نوین دریایی، نوشهر، دانشگاه امام خمینی (ره)، 12 تا 13 شهریور ماه 1392.

[22] محمودی، کیومرث، سایبانی، مصباح، و مرادی، عباس. "شـناسایی خـطاهـای موجود در برداشت داده­های آزمایشگاهی، با استفاده از الگوریتم­های تشخیص داده خطا"، پانزدهمین کنفرانس دینامیک شاره‌هاFD2013، بندرعباس، دانشگاه هرمزگان، 27- 29 آذر 1392.