Resumen

ZHAO, Jianjun; ZHOUB, Junwu; SU, Weixing  y  LIU, Fang. Detección en tiempo real de valores atípicos sobre series de tiempo variable en ARHMM mejorado durante el proceso de análisis de grado mineralógico. Earth Sci. Res. J. [online]. 2017, vol.21, n.3, pp.135-139. ISSN 1794-6190.  https://doi.org/10.15446/esrj.v21n3.65215.

Existe gran dificultad para la detección en tiempo real para series de datos masivos con altos niveles de ruido de valores atípicos. Se propone un algoritmo de autoaprendizaje ARHMM (Modelo autoregresivo oculto de Markov) para llevar a cabo la detección de dichos valores atípicos en el proceso de análisis del grado mineral geológico. El algoritmo usa un modelo AR para ajustar la serie de tiempo obtenida del "analizador de fluorescencia de rayos X" y hace uso del HMM como una herramienta básica de detección, la cual puede evitar la deficiencia de predeterminar el umbral en métodos tradicionales de detección. Para actualizar los parámetros del ARHMM en tiempo real, la estructura del algoritmo BDT (Brockwell-Dahlhaus-Trindade) tradicional se mejora para ser una doble estructura iterativa en la que se aplica el cálculo iterativo en tiempo y en orden respectivamente. Con el propósito de reducir la influencia de valores atípicos (o extremos) en la actualización del parámetro de ARHMM, se adoptan las estrategias de detección-antes-que-actualización y la detección-basada-en-actualización, lo que también aumenta la robustez del algoritmo. La subsiguiente simulación por modelos de datos y aplicación práctica comprueba la precisión, fortaleza y capacidad de la detección en línea del algoritmo. De acuerdo con el resultado, es evidente que el nuevo algoritmo propuesto en este artículo es más apropiado para la detección de datos de valores atipicos para el análisis del grado mineral en geología y el procesamiento mineral.

Palabras clave : Modelo autoregresivo oculto de Markov; detección en tiempo real; Brockwell-Dahlhaus-Trindade.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )