ИВМ СО РАН ПоискEnglish
Ресурсы :: статьи
институт
структура
сотрудники
конференции
семинары
ученый совет
совет молодых ученых
профсоюз
техническая база
история
фотогалерея

исследования
разработки
экспедиции
эл. архив
годовые отчеты

ссылки
библиотека
документы
адреса и телефоны
 

Recovering data gaps through neural network methods

Gorban A., Rossiev A.,
Institute of Computational Modeling, Krasnoyarsk, Russia
Makarenko N., Kuandykov Y.,
Institute of Mathematics, Almaty, Kazakhstan
Dergachev V.
Ioffe Physical and Technical Institute, St. Petersburg, Russia

International Journal of Geomagnetism and Aeronomy, 2002, Vol. 3, No. 2, December 2002

Abstract

A new method is presented to recover the lost data in geophysical time series. It is clear that gaps in data are a substantial problem in obtaining correct outcomes about phenomenon in time series processing. Moreover, using the data with irregular coarse steps results in the loss of prime information during analysis. We suggest an approach to solving these problems, that is based on the idea of modeling the data with the help of small-dimension manifolds, and it is implemented with the help of a neural network. We use this approach on real data and show its proper use for analyzing time series of cosmogenic isotopes. In addition, multifractal analysis was applied to the recovered 14C concentration in the Earth's atmosphere.

Downloads

Full text of the article (ftp server ICM SB RAS) [pdf, 204 Kb, in english]
http://ijga.agu.org/v03/gai01384/gai01384.pdf