Данные в виде временных рядов встречаются в большом количестве научных отраслей. Наблюдения, меняющиеся во времени, обычно представляются ценным объектом для анализа, классификации, предсказаний и интерпретации [15,16,17,18]. Основной проблемой при сравнении сигналов остается вопрос, как определить сходство и в чем ее измерить. На практике оказывается, что это одно из важнейших значений для последующего анализа данных.
В современных исследованиях используются различные методы для решения этой задачи от простейших метрик до сложных нейронных сетей. Однако, бывают ситуации, в которых простые методы превосходят по качеству оценки специально разработанные под конкретную задачу алгоритмы [14].
Однако для каждой предметной области существуют свои законы и ограничения в интерпретации результатов. Текущая работа проводилась в сфере нефтедобычи. Существующие методы оценки расстояния между временными рядами оказались недостаточно подходящими для анализа, подробнее это рассмотрено в главе 3. На основе этих знаний, родилась гипотеза, что комбинация двух алгоритмов позволит обойти их проблемы и улучшить результат оценки для рядов со схожими ограничениями предметной области.
Цель работы:
• Разработать алгоритм подсчета расстояния между временными рядами на основе DTW и FFT.
Задачи:
1. Изучить существующие методы оценки расстояния.
2. Изучить и применить алгоритмы DTW и FFT.
3. Объединить результаты этих алгоритмов в один.
4. Протестировать полученный метод.
Структура работы:
Во введении рассмотрены современные идеи связанные с оценкой схожести временных рядов. Вся работа разбита на шесть разделов. В первом отражены основные сведения о работе с временными рядами. Во втором рассмотрены временные ряды в нефтяной отрасли - ГИС. В третьем находится обзор некоторых методов оценки схожести. В четвертом описывается подход к реализации нового алгоритма. В пятом - используемые инструменты. В последнем разделе описаны результаты проведенных экспериментов. В заключении находятся основные выводы о проделанной
За время работы были исследованы два алгоритма оценки схожести временных рядов. Были рассмотрены их плюсы и минусы, после чего рассмотрена гипотеза о возможности объединения алгоритмов в один с целью улучшения результатов. На основе различных идей из статей, в которых объединялись другие алгоритмы, был построен алгоритм общего метода.
Эксперименты показали, что алгоритм находится в рабочем состоянии.
Также в ходе работы были изучены инструменты языка Python, позволяющие реализовывать сравнение временных рядов, кластеризацию и визуализацию результатов.
