Resumen

La falta de datos es un problema frecuente en la investigación medioambiental. Para facilitar el análisis y la gestión de los datos de calidad del aire, por ejemplo, la concentración de PM2,5 en este estudio, una estrategia comúnmente adoptada para tratar los valores que faltan en las muestras es generar un conjunto de datos completo utilizando métodos de imputación. En la literatura existente se han desarrollado muchos métodos de imputación basados en la correlación temporal o espacial. La diferencia entre los distintos métodos radica en la caracterización de la relación de dependencia de las muestras de datos con diferentes modelos matemáticos, lo cual es crucial para la imputación de datos perdidos. En este artículo, proponemos dos métodos de imputación novedosos y basados en la norma nuclear de una matriz, ya que mide dicha dependencia de forma global. El primer método, denominado minimización global de la norma nuclear (GNNM), trata de imputar los valores perdidos minimizando directamente la norma nuclear de toda la matriz de la muestra, maximizando así al mismo tiempo la dependencia lineal de las muestras. El segundo método, denominado minimización de la norma nuclear local (LNNM), se concentra más en cada muestra y en sus muestras más similares, que se estiman a partir de los resultados de imputación del primer método. De este modo, la minimización de la norma nuclear puede realizarse en aquellas muestras altamente correlacionadas en lugar de en toda la matriz de muestras como en GNNM, reduciendo así el impacto adverso de las muestras irrelevantes. Los dos métodos se evalúan en un conjunto de datos de concentración de PM2,5 medidos cada 1 hora por 22 estaciones de control. Los valores perdidos se simulan con distintos porcentajes. Los valores imputados se comparan con los valores reales para evaluar el rendimiento de los distintos métodos. Los resultados experimentales verifican la eficacia de nuestros métodos, especialmente LNNM, para la imputación de datos de calidad del aire faltantes.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:matriz de muestras enteras, valores perdidos, muestras, concentración de pm2,5, primer método, norma nuclear, imputación de datos de calidad del aire, minimización global de la norma nuclear, minimización local de la norma nuclear, muchos métodos de imputación
• Keywords:whole sample matrix, missing values, samples, pm2.5 concentration, first method, nuclear norm, air quality data imputation, global nuclear norm minimization, local nuclear norm minimization, many imputation methods