Обработка и анализ метеорологических данных на основе вейвлет-преобразований; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 4, № 2

Bibliographic Details
Parent link:Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика: рецензируемый научный журнал/ Национальный исследовательский Томский политехнический университет.— .— Томск: ТПУ, 2023-.— 2949-5407
Т. 4, № 2.— 2026.— С. 10-21
Corporate Author: Национальный исследовательский Томский политехнический университет Инженерная школа информационных технологий и робототехники (570)
Other Authors: Ботыгин И. А. Игорь Александрович, Бобров Е. А. Егор Александрович, Шерстнёв В. С. Владислав Станиславович, Шерстнёва А. И. Анна Игоревна
Summary:Работа посвящена изучению возможностей применения методов вейвлет-анализа для обработки сложных динамических процессов, представляющих собой временные ряды различной природы. Проведен аналитический обзор методов анализа нестационарных сигналов. Показано, что вейвлет-анализ является наиболее эффективным методом для исследования нестационарных климатических рядов, так как позволяет одновременно анализировать сигнал во временной и частотной областях. Спроектировано и разработано программное обеспечение, реализующее алгоритмы загрузки метеорологических данных, предварительной обработки и восстановления (интерполяция, удаление выбросов, нормализация), ядра вейвлет-анализа (непрерывное вейвлет-преобразование, построение глобального спектра), кросс вейвлет-анализа (когерентность, фаза), визуализации (скалограмма, спектр) и экспорта. Все компоненты интегрированы в единый скрипт на Python. Выполнен анализ реальных климатических данных, который позволил визуализировать и интерпретировать характерные временные масштабы климатических процессов и их взаимосвязи
The paper is devoted to the study of the possibilities of using methods of wavelet analysis for complex dynamic processes representing time series of various nature. The authors carried out an analytical review of methods for non-stationary signals analysis. It is shown that the wavelet analysis is the most effective method for studying non-stationary climatic series, as it allows simultaneous analysis of the signal in the time and frequency domains. The authors designed and developed software that implements algorithms for loading meteorological data, preprocessing and recovery (interpolation, outlier removal, normalization), wavelet analysis kernels (continuous wavelet transform, global spectrum construction), cross-wavelet analysis (coherence, phase), visualization (scalogram, spectrum) and export. All components are integrated into a single Python script. The authors performed the analysis of real climate data, which made it possible to visualize and interpret the characteristic time scales of climate processes and their interrelationships
Текстовый файл
Language:Russian
Published: 2026
Subjects:
Online Access:http://earchive.tpu.ru/handle/11683/139347
https://doi.org/10.18799/29495407/2026/2/123
Format: Electronic Book Chapter
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=688000