Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL

Serie de tiempo extensivas de medidas a menudo con esenciales para evaluar cambios a largo plazo y promedios como los datos de mareas y crecidas del nivel de agua. Así, huecos en los datos de series de tiempo restringe el tipo y extensión del modelamiento e investigación que pueda hacerse. La Divisi...

Descripción completa

Detalles Bibliográficos
Autores principales:	Mostella, Aimee, Sadovski, Alexey, Duff, Scott, Michaud, Patrick, Tissot, Philippe, Steidley, Carl
Formato:	Online
Idioma:	spa
Publicado:	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2005
Acceso en línea:	https://revistas.ucr.ac.cr/index.php/matematica/article/view/260

id	RMTA260
record_format	ojs
institution	Universidad de Costa Rica
collection	Revista de Matemática: Teoría y Aplicaciones
language	spa
format	Online
author	Mostella, Aimee Sadovski, Alexey Duff, Scott Michaud, Patrick Tissot, Philippe Steidley, Carl
spellingShingle	Mostella, Aimee Sadovski, Alexey Duff, Scott Michaud, Patrick Tissot, Philippe Steidley, Carl Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
author_facet	Mostella, Aimee Sadovski, Alexey Duff, Scott Michaud, Patrick Tissot, Philippe Steidley, Carl
author_sort	Mostella, Aimee
description	Serie de tiempo extensivas de medidas a menudo con esenciales para evaluar cambios a largo plazo y promedios como los datos de mareas y crecidas del nivel de agua. Así, huecos en los datos de series de tiempo restringe el tipo y extensión del modelamiento e investigación que pueda hacerse. La División de Investigación de la Costa de la Universidad de Texas A&M en Corpus Christi (TAMUCC-DNR, por sus siglas en inglés) ha desarrollado y comparado varios métodos basados en regresión lineal hacia adelante y hacia atrás, para interpolar los huecos en las series de tiempo de datos del nivel de agua. Hemos desarrollado un sistema informático que recupera datos reales y armónicos de nivel de agua, basado en parámetros dados por el usuario. Los datos reales de nivel de agua se buscan para puntos con datos faltantes y la localización de estos huecos es registrada. Se aplica regresión lineal hacia adelante y hacia atrás en relación con la localización de datos faltantes o huecos en los datos restantes. Después de que este proceso se completa, se usa una de tres combinaciones de la regresión hacia adelante y hacia atrás para ajustar los resultados. Finalmente, se añade la componente armónica para las nuevas series de tiempo suplementarias, y se grafican los resultados. El paquete informático creado para implementar este proceso de regresión lineal está escrito en Perl con un módulo llamado PDL (Perl Data Language). Generalmente, este proceso ha demostrado excelentes resultados en llenar huecos en nuestras series de tiempo sobre nivel de agua. El programa ha sido probado sobre datos existentes bajo tres tipos de condiciones climáticas: veranos calmos, pasos frontales y condiciones de clima extremas, como huracanes. Se variaron los parámetros con el fin de probar la precisión del método, como por ejemplo el número de parámetros usados en las regresiones lineales así como el tamaño de los huecos a llenar. Se presentan resultados para las diferentes condiciones climáticas y los distintos tamaños de los huecos y las combinaciones de coeficientes.
title	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
title_short	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
title_full	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
title_fullStr	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
title_full_unstemmed	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
title_sort	comparison of gap interpolation methodologies for water level time series using perl/pdl
title_alt	Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL
publisher	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA)
publishDate	2005
url	https://revistas.ucr.ac.cr/index.php/matematica/article/view/260
work_keys_str_mv	AT mostellaaimee comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl AT sadovskialexey comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl AT duffscott comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl AT michaudpatrick comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl AT tissotphilippe comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl AT steidleycarl comparisonofgapinterpolationmethodologiesforwaterleveltimeseriesusingperlpdl
_version_	1811744069065375744
spelling	RMTA2602022-01-20T16:10:33Z Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL Mostella, Aimee Sadovski, Alexey Duff, Scott Michaud, Patrick Tissot, Philippe Steidley, Carl Interpolation Regression Time Series Interpolación Regresión Series de Tiempo Extensive time series of measurements are often essential to evaluate long term changes and averages such as tidal datums and sea level rises. As such, gaps in time series data restrict the type and extent of modeling and research which may be accomplished. The Texas A&M University Corpus Christi Division of Nearshore Research (TAMUCC-DNR) has developed and compared various methods based on forward and backward linear regression to interpolate gaps in time series of water level data. We have developed a software system that retrieves actual and harmonic water level data based upon user provided parameters. The actual water level data is searched for missing data points and the location of these gaps are recorded. Forward and backward linear regression are applied in relation to the location of missing data or gaps in the remaining data. After this process is complete, one of three combinations of the forward and backward regression is used to fit the results. Finally, the harmonic component is added back into the newly supplemented time series and the results are graphed. The software created to implement this process of linear regression is written in Perl along with a Perl module called PDL (Perl Data Language). Generally, this process has demonstrated excellent results in filling gaps in our water level time series. The program was tested on existing data under three typesof typical weather conditions: calm summers, frontal passages and extreme weather conditions, such as hurricanes. The parameters varied in order to test the accuracy of the methodology included the number of coefficients utilized in the linear regression processes as well as the size of the gaps to be filled. Results are presented for the different weather conditions and the different gap size and coefficient combinations. Serie de tiempo extensivas de medidas a menudo con esenciales para evaluar cambios a largo plazo y promedios como los datos de mareas y crecidas del nivel de agua. Así, huecos en los datos de series de tiempo restringe el tipo y extensión del modelamiento e investigación que pueda hacerse. La División de Investigación de la Costa de la Universidad de Texas A&M en Corpus Christi (TAMUCC-DNR, por sus siglas en inglés) ha desarrollado y comparado varios métodos basados en regresión lineal hacia adelante y hacia atrás, para interpolar los huecos en las series de tiempo de datos del nivel de agua. Hemos desarrollado un sistema informático que recupera datos reales y armónicos de nivel de agua, basado en parámetros dados por el usuario. Los datos reales de nivel de agua se buscan para puntos con datos faltantes y la localización de estos huecos es registrada. Se aplica regresión lineal hacia adelante y hacia atrás en relación con la localización de datos faltantes o huecos en los datos restantes. Después de que este proceso se completa, se usa una de tres combinaciones de la regresión hacia adelante y hacia atrás para ajustar los resultados. Finalmente, se añade la componente armónica para las nuevas series de tiempo suplementarias, y se grafican los resultados. El paquete informático creado para implementar este proceso de regresión lineal está escrito en Perl con un módulo llamado PDL (Perl Data Language). Generalmente, este proceso ha demostrado excelentes resultados en llenar huecos en nuestras series de tiempo sobre nivel de agua. El programa ha sido probado sobre datos existentes bajo tres tipos de condiciones climáticas: veranos calmos, pasos frontales y condiciones de clima extremas, como huracanes. Se variaron los parámetros con el fin de probar la precisión del método, como por ejemplo el número de parámetros usados en las regresiones lineales así como el tamaño de los huecos a llenar. Se presentan resultados para las diferentes condiciones climáticas y los distintos tamaños de los huecos y las combinaciones de coeficientes. Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2005-02-01 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf https://revistas.ucr.ac.cr/index.php/matematica/article/view/260 10.15517/rmta.v12i1-2.260 Revista de Matemática: Teoría y Aplicaciones; Vol. 12 No. 1-2 (2005): Revista de Matemática: Teoría y Aplicaciones; 157-164 Revista de Matemática: Teoría y Aplicaciones; Vol. 12 Núm. 1-2 (2005): Revista de Matemática: Teoría y Aplicaciones; 157-164 Revista de Matemática; Vol. 12 N.º 1-2 (2005): Revista de Matemática: Teoría y Aplicaciones; 157-164 2215-3373 1409-2433 spa https://revistas.ucr.ac.cr/index.php/matematica/article/view/260/240 Derechos de autor 2005 Revista de Matemática: Teoría y Aplicaciones

Comparison of Gap Interpolation Methodologies for water Level time Series using perl/PDL

Ejemplares similares