基于自适应动态变分小波的压缩感知：海水水位数据插补的高级方法

《Regional Studies in Marine Science》：Adaptive Dynamic-Variational Wavelet-Based Compressed Sensing: Advanced Methods for Sea Water Level Data Imputation

　　

阿卜杜勒萨拉姆·阿尔通卡伊纳克（Abdüsselam Altunkaynak）|阿尼尔·切利克（An?l ?elik）|穆拉特·巴里什·曼德夫（Murat Bar?? Mandev）

摘要

准确的海水水位（SWL）估算对于近海基础设施的高效设计、运行与维护、海岸管理实践、人类活动以及海洋学研究至关重要。本研究提出了一种新颖的动态自适应变分小波框架，用于分解观测到的海水水位数据，以改进压缩感知（CS）方法中的缺失数据填充技术。该方法将基于离散小波（DW）、最大重叠离散小波（MODW）和变分模态分解（VMD）技术的随机与确定性信号成分整合到压缩感知框架中。据此开发了三种模型：基于离散小波的压缩感知（DW-CS）、基于最大重叠离散小波的压缩感知（MODW-CS）以及基于变分模态分解的压缩感知（VMD-CS）。本研究的主要目标是提高海水水位估算的准确性和可靠性，尤其是在数据缺失的情况下。评估这些模型时使用了来自土耳其黑海和马尔马拉海地区四个监测站的12年有效海水水位观测数据。在不同数据可用性情景下（包括50%、70%和90%的数据可用性）对模型性能进行了测试，并以DW-CS作为基准模型。结果表明，在所有情景下，MODW-CS和VMD-CS的表现均优于基准模型DW-CS。在所有测试方法中，MODW-CS由于具有自适应结构，能够更有效地捕捉海水水位信号的内在物理特性，因此整体性能最佳。本研究的结果对海岸工程、海洋学应用以及跨学科环境研究具有重要意义，在这些领域中，可靠的缺失数据填充对于改进海水水位动态的分析与预测至关重要。