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
雖然在實驗實踐中尋求盡可能高的數據速率很誘人，但如果測量過於密集，過採樣可能會成為一個問題。這些影響可以採取多種形式，其中一些很容易檢測：例如，當資料序列包含相同測量值的多個副本時。在其他情況下，例如測量設備和/或系統本身存在混合時，過採樣效應可能更難以檢測。我們提出了一種新穎的無模型技術，使用稱為排列熵的資訊理論技術來檢測時間序列中的局部混合。透過改變計算的時間解析度並分析結果中的模式，我們可以確定資料是否在本地混合以及混合的規模。從業者可以使用它來選擇測量或報告數據的適當的下限。在幾個合成實例上驗證了該技術後，我們證明了其對化學實驗數據、莫納羅亞甲烷記錄和南極冰芯的有效性。