تشخیص تغییر میانگین متحرک وزنی نمایی. این الگوریتم یک مدل هارمونیک برای بخش «آموزش» دادههای ورودی محاسبه میکند و آن را از نتایج اصلی کم میکند. سپس باقیماندهها در معرض نمودارهای میلهای Shewhart X و یک میانگین متحرک وزنی نمایی قرار میگیرند. پیکسلهای آشفته زمانی نشان داده میشوند که نمودارها انحراف از حدود کنترل داده شده را نشان دهند.
خروجی یک تصویر ۵ باندی است که شامل باندهای زیر است:
- ewma: یک آرایه یک بعدی از امتیاز EWMA برای هر تصویر ورودی. مقادیر منفی نشان دهنده اختلال و مقادیر مثبت نشان دهنده بازیابی هستند.
- ضرایب هارمونیک: یک آرایه یک بعدی از جفت ضرایب هارمونیک محاسبه شده. ضرایب به صورت [ثابت، sin0، cos0، sin1، cos1...] مرتب شدهاند.
- rmse: RMSE حاصل از رگرسیون هارمونیک.
- rSquared: مقدار r-squared از رگرسیون هارمونیک.
- باقیماندهها: آرایه یک بعدی از باقیماندههای رگرسیون هارمونیک.
رجوع کنید به: Brooks, EB, Wynne, RH, Thomas, VA, Blinn, CE and Coulston, JW, 2014. تشخیص تغییرات چندزمانه انبوه در لحظه با استفاده از نمودارهای کنترل کیفیت آماری و دادههای لندست. IEEE Transactions on Geoscience and Remote Sensing, 52(6), pp.3316-3332.
| کاربرد | بازگشتها | ee.Algorithms.TemporalSegmentation.Ewmacd(timeSeries, vegetationThreshold, trainingStartYear, trainingEndYear, harmonicCount , xBarLimit1 , xBarLimit2 , lambda , lambdasigs , rounding , persistence ) | تصویر |
| استدلال | نوع | جزئیات | timeSeries | مجموعه تصاویر | مجموعهای که از آن EWMA استخراج میشود. انتظار میرود این مجموعه شامل ۱ تصویر برای هر سال باشد و به صورت زمانی مرتب شود. |
vegetationThreshold | شناور | آستانه پوشش گیاهی. مقادیر پایینتر از این، غیرپوششی در نظر گرفته میشوند. |
trainingStartYear | عدد صحیح | سال شروع دوره آموزشی، شامل. |
trainingEndYear | عدد صحیح | سال پایان دوره آموزشی، منحصراً. |
harmonicCount | عدد صحیح، پیشفرض: ۲ | تعداد جفت توابع هارمونیک (سینوس و کسینوس) مورد استفاده. |
xBarLimit1 | شناور، پیشفرض: ۱.۵ | آستانه برای محدودیت xBar آموزش اولیه. |
xBarLimit2 | عدد صحیح، پیشفرض: ۲۰ | آستانه برای اجرای محدودیت xBar. |
lambda | شناور، پیشفرض: ۰.۳ | پارامتر تنظیم «لامبدا» که سالهای جدید را در مقابل میانگین متحرک وزن میدهد. |
lambdasigs | شناور، پیشفرض: ۳ | مرزهای کنترل EWMA، بر حسب واحد انحراف معیار. |
rounding | بولی، پیشفرض: درست | آیا باید برای EWMA گرد کردن انجام شود؟ |
persistence | عدد صحیح، پیشفرض: ۳ | حداقل تعداد مشاهدات مورد نیاز برای در نظر گرفتن یک تغییر. |
