г. Москва и Московская область, Россия
УДК 51-71 в науках о пространстве и времени: в теории относительности, астрономии и т.п.
УДК 51-74 в технических науках
В работе представлено применение метода почти-периодического анализа на основе сдвиговой функции к обработке данных, представленных в виде изображений аэрофотосъемки динамики активности циклонов. В ходе исследования были проведены пространственный, временной и пространственно-временной почти-периодический анализы. Предложенный метод почти-периодического анализа на основе сдвиговой функции показал возможности для выполнения пространственной сегментации изображения как в декартовых, так и в полярных координатах, а также определил существование периодичности во временной шкале набора данных. На основе полученных результатов было проведено пространственно-временное исследование набора данных с итоговой сегментацией изображения. Показа-но существование почти-периодов в декартовой системе пространственных координат изображения. Представ-лены обоснования того, что в декартовой системе координат, почти-периодический анализ в полярных координатах представляет качественную ритмическую раз-метку. Продемонстрировано, что почти-периодический анализ на основе обобщённой сдвиговой функции предоставляет возможность использования и во временном срезе исследуемого набора данных. В статье приводится классификационная модель для частей изображения, полученная на основе статистических оценок срезов обобщенной сдвиговой функции группировок временных рядов, при использовании почти-периодического анализа демонстрируется возможность для применения его для пространственно-временного анализа данных, полученных по результатам аэрофотосъемки динамики активности циклонов
методы анализа данных, данные с упорядоченным ар-гументом, тренд, нелинейные колебания, почти-период, анализ изображений
1. Капков, Р. Ю. Рост объема данных как предпосылка повышения ценности данных в задачах управления / Р. Ю. Капков // Международный электронный журнал. Устойчивое развитие: наука и практика. – 2020. – № 2(28). – С. 78-84.
2. Paramonov A.A., Kuzmin V.I., Dzerjinsky R.I. Analysis of almost-periodic and almost-proportional characteristics of a representative sample local minima time series // IOP Conference Series: Materials Science and Engineering. 2021. V. 1047. 012045. https://doi.org/10.1088/1757-899X/1047/1/012045.
3. Парамонов А.А. Анализ динамики макроэкономических показателей России / Па-рамонов А.А., Кузьмин В.И. // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2022. №11/2. С. 123-128. – DOIhttps://doi.org/10.37882/2223-2966.2022.11-2.24.
4. Dzerjinsky, R.I., Krynetsky, B.A., Chernorizova, N.V. (2021). The Changes Dynamics Analysis in the Japanese Stock Exchange Nikkei^225 Index in the Latest Time. In: Silhavy, R., Silhavy, P., Prokopova, Z. (eds) Data Science and Intelligent Systems. CoMeSySo. Lecture Notes in Networks and Systems, 2021. V. 231. Springer, Cham. https://doi.org/10.1007/978-3-030-90321-3_11.
5. Fathi M., Haghi Kashani M., Jameii S.M. Big Data Analytics in Weather Forecasting: A Systematic Review // Arch Computat Methods Eng. 2022. V. 29. P. 1247-1275. https://doi.org/10.1007/s11831-021-09616-4.
6. Парамонов А.А. Программный комплекс обработки сигналов, представленных не-линейными колебаниями с трендом. / Парамонов А.А., Кузьмин В.И. // Оптические методы исследования потоков: Труды XVII Международной научно-технической конференции, 26-30 июня 2023. – М. – С. 265-274.
7. Kuzmin V., Gadzaov A., Dzerjinsky R. Methods for data analysist. М.: Издательство «Перо», 2021. 243 с.
8. He J., Yang K., Tang W., Qin J., Chen Y., Li X. The first high-resolution meteorological forcing dataset for land process studies over China // Sci Data. 2020. V. 7. 25. https://doi.org/10.1038/s41597-020-0369-y.
9. Miró Ò., Benito-Lozano M., Lopez-Ayala P., Gil V., Lopez-Ayala P., Mueller C., Traveria L., López-Hernández M.de los A., Yufera-Sanchez A., Strebel I., Rodríguez S., Llorens P., Espinosa B., Jacob J., Tost J., Alquézar-Arbé A., Burillo-Putze G. Influence of Meteorological Temperature and Pressure on the Severity of Heart Failure Decompensations // J. gen. intern. med. 2023. V. 38. P. 600-609. https://doi.org/10.1007/s11606-022-07743-7.
10. Varela-Lasheras I. The effects of weather and mobility on respiratory viruses dynamics before and during the COVID-19 pandemic in the USA and Canada // PLOS Digital Health. 2023. V. 2. №. 12. e0000405. https://doi.org/10.1371/journal.pdig.0000405.
11. Baskakov A.G., Krishtal I.A., Uskova N.B. On the spectral analysis of a differential operator with an involution and general boundary conditions // Eurasian Mathematical Journal. 2020. Т. 11. № 2. С. 30-39. https://doi.org/10.32523/2077-9879-2020-11-2-30-39.
12. Jin H., Li M., Hopwood G., Hochman Z., Bakar K Sh. Improving early-season wheat yield forecasts driven by probabilistic seasonal climate forecasts // Agricultural and Forest Meteorology, 2022. V. 315. 108832. https://doi.org/10.1016/j.agrformet.2022.108832.
13. Brown J.N., Hochman Z., Holzworth D., Horan H. Seasonal climate forecasts provide more definitive and accurate crop yield predictions // Agric. For. Meteorol., 2018. V. 260-261. P. 247-254. https://doi.org/10.1016/j.agrformet.2018.06.001/
14. Cannon A.J. Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables // Clim. Dynam., 2018. V. 50 (1-2). P. 31-49. https://doi.org/10.1007/s00382-017-3580-6/
15. Cantelaube P., Terres J.M. Seasonal weather forecasts for crop yield modelling in Europe // Tellus Series A: Dynamic Meteorology and Oceanography. 2005. V. 57 (3). P. 476-487. https://doi.org/10.1111/j.1600-0870.2005.00125.x
16. Tropical Cyclone IR-to-Rainfall Prediction Dataset [Электронный ресурс]. – Режим доступа: URL: https://www.kaggle.com/datasets/kbdharun/tcirrp-dataset/data (дата обращения 04.03.2024)
17. Кузьмин В.И., Тытик Д.Л., Гадзаов А.Ф. Дискретность и непрерывность в свойствах физико-химических систем. М.: ФИЗМАТЛИТ, 2014, с.191.
18. Кузьмин В.И. Модели и алгоритмы анализа нелинейных колебаний с трендом: монография / В.И. Кузьмин, А.Б. Самохин, В.В. Чердынцев, А.Ф. Гадзаов. М.: МИРЭА, 2015. 94 с.
19. Baskakov A.G., Strukov V.E., Strukova I.I. Harmonic analysis of functions in homogeneous spaces and harmonic distributions that are periodic or almost periodic at infinity .. Sbornik: Mathematics. 2019. V. 210. I. 10. С. 1380-1427. https://doi.org/10.1070/SM9147.
20. Ghadge A., Wurtmann H., Seuring S. Managing climate change risks in global supply chains: a review and research agenda // Int. J. Prod. Res. 2020. V. 58 (1). P. 44-64, https://doi.org/10.1080/00207543.2019.1629670.
