Métodos de detección de anomalías y clustering en series temporales

Abstract

RESUMEN: El análisis de series temporales es un campo fundamental para el procesamiento de la información. En el mundo real, el contexto de los datos a menudo se desconoce y el experimentador debe realizar un esfuerzo por extraer información limitada. En este proyecto se estudia un conjunto de algoritmos no supervisados para el análisis de series temporales correspondientes al consumo de agua de una zona residencial. En particular, los algoritmos se centran en detección de anomalías, reducción de la dimensionalidad y clustering de los datos. En una serie de experimentos, se comparan los resultados obtenidos por los diferentes algoritmos de cada categoría.

ABSTRACT: Time series analysis is a fundamental field for information processing. In the real world, the context of the data is often unknown and the experimenter must make an effort to extract limited information. In this project, we study a set of unsupervised algorithms for the analysis of time series corresponding to the water consumption of a residential area. In particular, the algorithms focus on anomaly detection, dimensionality reduction and data clustering. In a series of experiments, the results obtained by the different algorithms in each category are compared.