Noise Reduction Approach in Chaotic Hydrologic Time Series Revisited

Abstract

Recently, the issue of noise reduction in chaotic hydrologic time series has started to attract attention. In this paper, the concept of noise reduction and the utility of its application to hydrologic time series are revisited based on a nonlinear noise reduction algorithm that is found to be different from the algorithms discussed earlier in hydrologic literature. First, the existence of chaotic behaviour in the time series is investigated. Second, the concepts of noise, its effect and noise reduction are briefly discussed. Third, two nonlinear noise reduction methods are explained and applied to the daily data of the English River in Ontario to study the effect of noise reduction on the improvement of the accuracy of modelling the hydrologic time series. The process of estimating missing data is selected as a common hydrologic problem. It is found that the nonlinear noise reduction algorithms either remove a significant part of the original signal or have an insignificant effect on the accuracy of modelling the time series. It is recommended that the raw data should always be the basis for analysis of the time series.

Dernièrement, la question de la réduction du bruit dans la série chronologique hydrologique chaotique a commencé à retenir l’attention. Dans le présent document, le concept de réduction du bruit et l’utilité de son application aux séries chronologiques hydrologiques sont revisités en fonction d’un algorithme de réduction du bruit non linéaire qui se révèle être différent des algorithmes traités précédemment dans la documentation hydrologique. Tout d’abord, on étudie l’existence d’un comportement chaotique dans les séries chronologiques. Deuxièmement, les concepts du bruit, son effet et la réduction du bruit sont traités brièvement. Troisièmement, deux méthodes de réduction du bruit non linéaires sont expliquées et appliquées aux données quotidiennes de l’English River en Ontario afin d’étudier l’incidence de la réduction du bruit sur l’amélioration de l’exactitude de la modélisation des séries chronologiques hydrologiques. Le processus qui consiste à estimer les données manquantes est choisi en tant que problème hydrologique commun. On constate que les algorithmes de réduction du bruit non linéaires éliminent une partie considérable du signal original ou ont un effet négligeable sur l’exactitude de la modélisation de la série chronologique. Il est recommandé de toujours faire reposer l’analyse de la série chronologique sur les données brutes.