SavedAdd your journal

Journals / Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi / 2022 / Cilt: 24 - Sayı: 70

Comparison of trimmed mean, Empiric Mode Decomposition and robust regression methods for filtering VLF data with outliers

Aykırı değerler içeren VLF verilerinin süzgeçlenmesinde budanmış ortalama, Empirik Mod Ayrışımı ve dayanıklı regresyon yöntemlerinin karşılaştırılması

Anisya B.Tekkeli
Mehmet Ali Üge
Mehmet Safa Arslan
Pages
7–18
Publication Date
2022-10-15
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Applications on noisy synthetic and field datasets showed that the robust regression performs better than the other techniques in case of data with outliers.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Very Low Frequency (VLF) electromagnetic method is widely implemented to determine shallow conductivity distribution of subsurface.
📊
Key Findings & Data:Collected VLF data are usually aperiodic and consequently non-linear filtering techniques are often used for eliminating noise in VLF data.
💡
Conclusion & Impact:Applications on noisy synthetic and field datasets showed that the robust regression performs better than the other techniques in case of data with outliers.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:VLF · Empirik Mod Ayrışımı · dayanıklı regresyon

Abstract

Very Low Frequency (VLF) electromagnetic method is widely implemented to determine shallow conductivity distribution of subsurface. Collected VLF data are usually aperiodic and consequently non-linear filtering techniques are often used for eliminating noise in VLF data. In this study, several non-linear filtering methods are implemented on synthetic and field data to determine methods performing better in case of outliers in data. In contrary of synthetic studies, the true subsurface model is unknown for the field data. Hence, VLF-R and Electrical Resistivity Tomography data, which are also collected over the same measuring profile, are also interpreted and their results are assumed as better representations of the subsurface. Applications on noisy synthetic and field datasets showed that the robust regression performs better than the other techniques in case of data with outliers.

Özet

Çok Düşük Frekans (VLF) elektromanyetik yöntem , yeraltının sığ iletkenlik dağılımının belirlenmesi için sıklıkla uygulanır. Toplanan VLF verileri genelde aperiyodiktir ve bu nedenle doğrusal olmayan süzgeçleme yöntemleri VLF verilerinin gürültüden arındırılması için sıklıkla uygulanmaktadır. Bu çalışmada, aykırı değerler içeren verilerin değerlendirilmesinde daha başarılı yöntemlerin belirlenmesi için farklı doğrusal olmayan süzgeçler kuramsal ve gürültülü arazi verilerine uygulanmıştır. Kuramsal verilerin aksine, arazi verilerinde gerçek yeraltı modeli bilinemediği için, aynı ölçüm hattı üzerinde farklı zamanda toplanmış VLF-R ve Elektrik Rezistivie Tomografisi verileri değerlendirilmiştir ve sonuçları yeraltının daha doğru bir temsili olarak kabul edilmiştir. Kuramsal ve arazi verileri üzerinde gerçekleştirilen uygulamalarda, aykırı değerler içeren verilerde dayanıklı regresyonun diğer yöntemlere göre daha başarılı olduğunu göstermiştir.

🔖

Cite This Article

B.Tekkeli, A., Üge, M. A., Arslan, M. S. (2022). Comparison of trimmed mean, Empiric Mode Decomposition and robust regression methods for filtering VLF data with outliers. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, Cilt: 24 - Sayı: 70, 7–18. https://ajindex.com/articles/491168

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Bayrak, M., Şenel, L., 2012. Two-dimensional resistivity imaging in the Kestelek boron area by VLF and DC resistivity methods. Journal of applied geophysics, Cilt. 82, 1-10. https://doi.org/10.1016/j.jappgeo.2012.03.010
  2. Drahor, M.G., Berge, M.A., 2006. Geophysical investigations of the Seferihisar geothermal area, Western Anatolia, Turkey. Geothermics, Cilt. 35, 302-320.https://doi.org/10.1016/j.geothermics.2006.04.001
  3. Olesen, O., Henkel, H., Lile, O.B., Mauring, E., Ronning, J.S., 1992. Geophysical inverstigations of the Stuoragurra postglacial fault, Finnmark, northern Norway. Journal of Applied Geophysics., Cilt. 29, 95-118. https://doi.org/10.1016/0926-9851(92)90001-2
  4. Yamaguchi, S., Murakami, S., Inokuchi, H., 2001., Resistivity mapping using the VLF-MT method around surface fault ruptures of the 1995
  5. Hyogo-ken Nanbu earthquake, Japan. The Island Arc, Cilt. 10, 296–305. https://doi.org/10.1111/j.1440-1738.2001.00328.x
  6. Gürer, A., Bayrak, M., Gürer, Ö.F., 2009. A VLF survey using current gathering phenomena for tracing buried faults of Fethiye–Burdur Fault Zone, Turkey. Journal of Applied Geophysics, Cilt. 68, 437-447. https://doi.org/10.1016/j.jappgeo.2009.03.011
  7. Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C., Liu, H. H., 1998. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society of London. Series A: mathematical, physical and engineering sciences, 454(1971), 903-995. https://doi.org/10.1098/rspa.1998.0193
  8. Jeng, Y., Lin, M. J., Chen, C. S., & Wang, Y. H., 2007. Noise reduction and data recovery for a VLF-EM survey using a nonlinear decomposition method. Geophysics, Cilt. 72(5), F223-F235. https://doi.org/10.1190/1.2752561
  9. Bahri, A. S., Warnana, D. D., Santos, F. A. M., & Santosa, B. J., 2014. Fast, simultaneous and robust VLF-EM data denoising and reconstruction via multivariate empirical mode decomposition. Computers & Geosciences, Cilt. 67, 125-138. https://doi.org/10.1016/j.cageo.2014.03.007
  10. Bahri, A. S., & Santosa, B. J., 2015. Application of Multivariate EMD to Improve Quality VLF-EM Data: Synthetic and Fields Data. Applied Mechanics and Materials, Cilt. 771, 170-173, Trans Tech Publications Ltd. https://doi.org/10.4028/www.scientific.net/AMM.771.170
  11. Verardi, V., & Croux, C., 2009. Robust regression in Stata. The Stata Journal, Cilt. 9(3), 439-453. https://doi.org/10.1177/1536867X0900900306
  12. Ebrahimi, A., Su