شناسايي خطاهاي داده هاي خام بويه هاي موج نگار با استفاده از روش ضريب داده پرت محلي

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

استخراج مشخصات دريا معمولاً از طريق بويه‌هاي موج نگار انجام مي‌شود. اما ثبت داده توسط موج نگارها معمولاً با خطاهايي همراه است. لذا قبل از استخراج هرگونه اطلاعاتي لازم است اين خطاها را شناخت و آنها را حذف و يا تصحيح كرد. هدف از اين تحقيق، شناسايي خطاهاي موجود در برداشت دادههاي خام از بويه‌هاي موج نگار، با استفاده از روش ضريب داده پرت محلي (LOF) است. LOF روشي قدرتمند جهت شناسايي ناهنجاري داده‌ها در يادگيري ماشين است، كه در بسياري از كاربردهاي عملي از آن استفاده مي‌شود. در اين مقاله داده هاي روزانه بويه‌ موج‌نگار سازمان بنادر و دريانوردي كه در آب‌هاي خليج فارس در منطقه عسلويه استان بوشهر به آب انداخته شده است در بازه 17/2/92 تا 1/5/92 مورد تحليل خطا به اين روش قرار گرفت. نتايج نشان ميدهد LOF روشي كارآمد براي شناسايي خطاهاي موجود در داده‌هاي موج نگار است.

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.