Open fredericpiesschaert opened 5 years ago
voortbordurend hierop: als je aan elke genormaliseerde luchtdrukmeting een waarde 1 toekent voor een positieve waarde, een waarde -1 voor een negatieve waarde en een waarde 0 voor een 0 en je zet de cumulatieve som uit op een grafiek, dan krijg je plots een veel beter idee van wanneer het fout lijkt te gaan:
@fredericpiesschaert, dat is zeker een piste. De methode staat bekend als CUSUM.
In het verleden hebben we ook strucchange geprobeerd, op basis van een intercept-only lineair model. Mijn intuïtie zegt dat intercept-only lineair model tot op zekere hoogte equivalent is met CUSUM. De resultaten waren niet denderend. Dit robuster of minder gevoelig maken op basis van a-priori informatie is een optie.
Hoogte speelt ook een rol: bv. een meter die hoog staat zal systematisch een iets lagere luchtdruk meten en dus zeer geleidelijk stijgen (zowel in uw eerste als in uw tweede plot)?
Voor hoogte zouden we inderdaad kunnen corrigeren. Ik lees hier dat 'At low altitudes above sea level, the pressure decreases by about 1.2 kPa (12 hPa) for every 100 metres'
Het hoogste punt in Vlaanderen ligt in de Voerstreek op 287m. Als op zeeniveau de normale luchtdruk 1013 hPa (1033 cm H2O) is, dan komt dat in Voeren overeen met 978,6 hPa (997,9 cm H2O) Met uitzondering van de Voerstreek is de Kemmelberg het hoogste punt met 156 m. Hier zou dat gaan om 994.3 hPa (1013,9 cm H2O).
Dat zijn grotere verschillen dan ik dacht eigenlijk.
CUSUM lijkt me ook wel gevoelig voor variabele tijdsintervallen tussen de metingen, dus daar moet ook rekening mee gehouden worden
mogelijke denkpiste: als je de normdruk van 1013 hPa (1033cm H2O) aftrekt van alle luchtdrukmetingen, dan zou dat moeten resulteren in een reeks met stabiele schommelingen rond de 0-waarde. Als dat langs de ene of andere kant begint door te slaan, dan is er duidelijk iets aan de hand, zoals in het bijgevoegde voorbeeld. De uitdaging is natuurlijk om zo vroeg mogelijk te kunnen detecteren wanneer zoiets optreedt