„A new approach for hydrograph data interpolation and outlier removal for vector autoregressive modelling: a case study from the Odra/Oder River”

W „Stochastic Environmental Research and Risk Assessment” ukazał się artykuł „A new approach for hydrograph data interpolation and outlier removal for vector autoregressive modelling: a case study from the Odra/Oder River”.

„W czasopiśmie „Stochastic Environmental Research and Risk Assessment” (IF 4,2, 100 pkt MNiSW) ukazał się artykuł „A new approach for hydrograph data interpolation and outlier removal for vector autoregressive modelling: a case study from the Odra/Oder River”, którego autorami są mgr Michał Halicki i prof. Tomasz Niedzielski z Zakład Geoinformatyki i Kartografii UWr.

W publikacji zaproponowano nowy sposób detekcji hydrologicznych obserwacji odstających oraz interpolacji luk w danych i zastosowano własne podejście do prognozowania stanów wody Odry z wykorzystaniem modelu autoregresji wielowymiarowej. Autorzy wykazali, że nawet drobne błędy w obserwacjach (rzędu kilku decymetrów) mogą prowadzić do prognoz stanów wody z błędami rzędu dziesiątek lub nawet setek metrów. W pracy zbadano skuteczność dwóch metod detekcji artefaktów: Isolation Forest (IFO) oraz Extreme Values (EV). Metoda IFO, bazująca na algorytmach uczenia maszynowego, pozwoliła na skuteczne wykrycie wszystkich artefaktów. Na tak przetworzonych danych zastosowano wektorowy model autoregresyjny VAR do obliczenia 72-godzinnych prognoz poziomu wody dla środkowej Odry. <źródło>