Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.ipa.nw.ru/PAGE/EDITION/transaction/transaction_ann23/281.htm
Дата изменения: Unknown
Дата индексирования: Sun Apr 10 03:22:29 2016
Кодировка: UTF-8
Keywords_281
Анализ больших рядов наблюдений
В. Г. Стэмпковский
Институт прикладной астрономии РАН, г. Санкт-Петербург, Россия
Аннотация:
Создание средств анализа временных рядов данных имеет давнюю историю и множество программных реализаций. Настоящая работа позволяет совместить пакетную и интерактивную обработку, причем интерактивной компоненте отводится роль вспомогательного средства, обеспечивающего исследователя возможностью выявлять особенности в рядах наблюдений, на текущий момент времени не имеющие формализации. Пакетной компоненте отводится роль обеспечивающей весь процесс работы с данными: трансляцию из исходного представления во внутреннее, оптимизацию и предварительную обработку для быстрой визуализации и генерацию результатов анализа в виде, удобном для по-следующего использования, как ручного, так и машинного
Ключевые слова:
временные ряды, пакетная обработка данных, интерактивная обработка данных, визуализация, масштабируемость, функциональная зависимость, алгоритм интерпретации.

Analysis of Large Series of Observations
V. G. Stempkovsky
Abstract
Creating tools for analyzing time series has a long history and a lot of software implementations. In this paper, combined batch and interactive processing are discussed. Interactive component plays the role of an assistant, providing the researcher to determine the properties of a series of observations currently non-formalized. Batch component plays the role of ensuring the whole process of working with data: translation from the original representation into the inner, optimization and pre-processing for rapid visualization, analysis and generation results in the form convenient for later use, both manually and by machine.
Keywords:
Time series, batch data processing, interactive data processing, visualization, scalability, functional dependency, interpretation algorithm.