時系列データ処理に大いに悩む!?

時系列データとは、時間的に変化する観測されるデータのことです。時系列データには、ある一定の時間間隔で観測されたデータや、イベントが発生した時刻・頻度などが含まれます。時系列データには、株価データ、気温や降水量などの気象データ、人口統計データ、センサデータ、音声データなどがあります。

いま取り組んでいるMTプロジェクトでは、電場と磁場の時系列データがキモになっていて、これらの時系列データは、電場センサや磁場センサを使って取得するセンサデータです。MT法では、MTインピーダンスと呼ばれる電場と磁場の比が重要ですが、ノイズを含んだ電磁場の時系列データから、インピーダンスの近似値を求める必要があります。

これが結構大変で、電場を磁場で割ったインピーダンスは、磁場のノイズに敏感で、磁場の推定精度が低いと精度の良いインピーダンスが求められません。MT法では、測定点から遠く離れた静かな場所での磁場を使って、インピーダンスを推定する方法があります。これはリモートリファレンスと呼ばれるポピュラーな技術になっています。

しかし、最適なリファレンス点が無い場合には、測定点での時系列データだけからインピーダンスを推定する必要があります。現在、試行錯誤しながら様々な方法を悪戦苦闘しながら試しています。中々決定打が見つからないのが、最近の悩みの種です。