Speaker
Description
Известно, что из-за необходимости хранения и передачи все большего объема геофизических данных актуальной является проблема разработки эффективных алгоритмов сжатия. Для использования геофизических данных в практических приложениях проводится предварительная обработка (например, фильтрация аномалий и интерполяция данных). В настоящее время существует множество алгоритмов сжатия данных, однако специальных алгоритмов компрессии геофизических данных, учитывающих их структуру и особенности, предложено не так много. Есть исследования, показывающие, что алгоритмы, основанные на вейвлет-преобразовании, могут использоваться для сжатия геофизических данных. Для интерполяции и обработки геофизических данных, как правило, используются подходы, основанные на математической статистике. К таким подходам относится метод оптимальной интерполяции и кригинг. Помимо статистических интерполяторов в геофизике могут применяться также детерминистические интерполяторы (линейная и полиномиальная интерполяция, метод обратных взвешенных расстояний и др.) и алгоритмы, основанные на обучении (нейронные сети).
В данной работе проводится сравнение некоторых из перечисленных методов, а также рассматривается возможность применения алгоритмов аппроксимации и восполнения матриц для задач сжатия и интерполяции геофизических данных. Такие алгоритмы предлагается применить к данным, которые, в том числе, могут содержать разреженные ошибки измерений, или аномалии. Показано, что матричные методы позволяют сжимать с потерями данные о температуре морской поверхности, полученные со спутников [1], а также могут использоваться для заполнения относительно небольших пробелов в данных.
Исследование поддержано проектом РНФ №19-71-20035.
[1] Zakharova N. B. et al. Processing and assimilation of observation data for the hydrodynamics model of the Black Sea and the Sea of Azov //Journal of Physics: Conference Series. – IOP Publishing, 2021. – Т. 2131. – №. 2. – P. 022010.
| Секция конференции | Информационные и вычислительные системы |
|---|
