A Novel Time Series-to-Image Encoding Approach for Weather Phenomena Classification

要約

電磁波への影響の分析による降雨量の推定は、研究コミュニティの関心を高めています。
最近の研究では、携帯電話ネットワークのパフォーマンスに対するその影響が詳しく調査されており、降水時の電磁波の減衰に基づいて降雨レベルを予測できる可能性が実証されています。
本論文は、4G/LTE携帯端末における受信信号レベル(RSL)から特定の気象現象の性質を識別するという問題を解決することを目的としています。
具体的には、RSL を表す時系列データを利用して、時系列を画像としてエンコードし、タスクを画像分類問題としてモデル化する新しいアプローチを提案します。最終的には畳み込みニューラル ネットワーク (CNN) を使用してこれに対処します。
前述の手順の主な利点は、さまざまなデータ拡張技術を同時に利用できることです。
これには、移動平均などの従来のアプローチを時系列に適用し、生成された画像を強化することが含まれます。
このシナリオに最も効果的な組み合わせを特定するために、さまざまな画像データ拡張方法を調査しました。
次のセクションでは、降雨量推定のタスクを紹介し、使用されるデータセットの包括的な分析を実行します。
その後、時系列を画像に変換するための新しいアプローチを正式に提案します。
結論として、この論文の最後のセクションでは、実施された実験を紹介および議論し、結果の簡潔かつ包括的な概要を読者に提供します。

要約(オリジナル)

Rainfall estimation through the analysis of its impact on electromagnetic waves has sparked increasing interest in the research community. Recent studies have delved into its effects on cellular network performance, demonstrating the potential to forecast rainfall levels based on electromagnetic wave attenuation during precipitations. This paper aims to solve the problem of identifying the nature of specific weather phenomena from the received signal level (RSL) in 4G/LTE mobile terminals. Specifically, utilizing time-series data representing RSL, we propose a novel approach to encode time series as images and model the task as an image classification problem, which we finally address using convolutional neural networks (CNNs). The main benefit of the abovementioned procedure is the opportunity to utilize various data augmentation techniques simultaneously. This encompasses applying traditional approaches, such as moving averages, to the time series and enhancing the generated images. We have investigated various image data augmentation methods to identify the most effective combination for this scenario. In the upcoming sections, we will introduce the task of rainfall estimation and conduct a comprehensive analysis of the dataset used. Subsequently, we will formally propose a new approach for converting time series into images. To conclude, the paper’s final section will present and discuss the experiments conducted, providing the reader with a brief yet comprehensive overview of the results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google