Технологии интеллектуального анализа данных : учебное пособие

231 ляющая временного ряда соответствует резко изменяющимся дан- ным, а низкочастотная – плавно изменяющимся. Рис. 4.6. Пример аномалий Рис. 4.7. Значение величины после удаления аномалий При подавлении шумов на основе анализа распределения со- ставляющих Фурье-спектра на выход фильтра пропускаются спек- тральные составляющие, превышающие некоторый порог, рассчитан- ный по эмпирическим формулам в соответствии с заданным критери- ем степени вычитания шума. Чем больше требуется сгладить дан- ные, тем меньше должно быть значение полосы. Однако слишком узкая полоса может привести к потере полезной информации. Сле- дует заметить, что этот алгоритм наиболее эффективен, если анализи- руемые данные являются суммой полезного сигнала и белого шума. Второй способ сглаживания – это вейвлет-преобразование. Если выбран данный метод, то необходимо задать глубину разложе- ния и порядок вейвлета. Глубина разложения определяет «масштаб» отсеиваемых деталей: чем больше эта величина, тем более «круп- ные» детали в исходных данных будут отброшены. При достаточно больших значениях параметра (порядка 7-9) выполняется не только очистка данных от шума, но и их сглаживание («обрезаются» резкие выбросы). Использование слишком больших значений глубины раз-