.png){kind=icon}
返回
A new algorithm for correcting irregular patterns associated with timestamp error in spatial correlated sensor data
.png){kind=icon}
OA
AI
DOI：10.1186/s40537-026-01571-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时间戳错误在传感器依赖性数据的采集过程中常见，其影响可能非常深远。然而，现有文献在应对这一大数据挑战方面仍显不足，特别是在环境监测领域。本文提出了一种算法，用于精确对齐因时间戳错误导致错位的序列数据，当特定空气监测站点在空间网络中采集的数据出现不规则日变化模式时尤为适用。该算法基于一个简单前提，即逐步移动并比较多元变量集中某一选定变量的错位测量值与多个插补表示中对应时间点的数据，并通过计算平均绝对缩放误差的合并度量来确定所需的数据修复偏移量。在单变量模拟研究中，该算法与基线方法进行了压力测试，结果显示其在精确校正人为错位的气温数据序列方面表现更优且高度可靠，尤其是在不同地点记录的序列之间存在强交叉相关性的条件下。此外，该算法还被应用于一个包含时间戳错误的多元数据实例，敏感性分析结果表明其结果稳健且一致。
Keyword:
Timestamp correction
Displaced data
Irregular patterns
Spatial
Correlated
Multivariate
Air monitoring
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
