本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
排列熵技術可用於識別古氣候資料記錄中的異常情況，包括雜訊、異常值和後處理問題。我們使用加權和未加權排列熵以及包含來自深部極地冰芯的數據的水同位素記錄來證明這一點。在這些同位素記錄的一個區域中，我們先前的計算（參見 Garland 等人，2018）揭示了痕跡複雜性的突然變化：具體來說，是在每個時間步驟出現的新資訊量。我們推測這種效應是由於舊實驗室儀器引入的噪音造成的。在本文中，我們透過使用更先進版本的實驗室儀器重新分析冰芯的一部分來驗證該猜想。新資料的排列熵軌跡中不存在異常雜訊水準。在核心的其他部分，我們表明排列熵技術可用於識別資料中與氣候或冰川過程無關的異常，而是與現場工作、實驗室分析或資料後處理期間發生的影響相關的異常。這些範例清楚地表明，排列熵是一種有用的取證工具，可用於識別需要有針對性的重新分析的資料部分，甚至可用於指導該分析。