ee.Algorithms.TemporalSegmentation.Ewmacd

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.