Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/22200
Title: | Outlier identification in multivariate time series |
Other Titles: | Identificação de outliers em séries temporais multivariadas |
Author: | Ribeiro, Joana Patrícia Bordonhos |
Advisor: | Silva, Luís Miguel Almeida da |
Keywords: | Matemática e aplicações Análise de erros (Matemática) Análise de séries temporais |
Defense Date: | 2017 |
Publisher: | Universidade de Aveiro |
Abstract: | Com o desenvolvimento tecnológico, existe uma cada vez maior disponibilidade
de dados. Geralmente representativos de situações do dia-a-dia, a
existência de grandes quantidades de informação tem o seu interesse quando
permite a extração de valor para o mercado. Além disso, surge importância
em analisar não só os valores disponíveis mas também a sua associação com
o tempo.
A existência de valores anormais é inevitável. Geralmente denotados como
outliers, a procura por estes valores é realizada comummente com o intuito de
fazer a sua exclusão do estudo. No entanto, os outliers representam muitas
vezes um objetivo de estudo. Por exemplo, no caso de deteção de fraudes
bancárias ou no diagnóstico de doenças, o objetivo central é identificar situações
anormais.
Ao longo desta dissertação é apresentada uma metodologia que permite detetar
outliers em séries temporais multivariadas, após aplicação de métodos
de classificação. A abordagem escolhida é depois aplicada a um conjunto de
dados real, representativo do funcionamento de caldeiras. O principal objetivo
é identificar as suas falhas. Consequentemente, pretende-se melhorar os
componentes do equipamento e portanto diminuir as suas falhas.
Os algoritmos implementados permitem identificar não só as falhas do aparelho
mas também o seu funcionamento normal. Pretende-se que as metodologias
escolhidas sejam também aplicadas nos aparelhos futuros, permitindo
melhorar a identificação em tempo real das falhas. With the technological development, there is an increasing availability of data. Usually representative of day-to-day actions, the existence of large amounts of information has its own interest when it allows to extract value to the market. In addition, it is important to analyze not only the available values but also their association with time. The existence of abnormal values is inevitable. Usually denoted as outliers, the search for these values is commonly made in order to exclude them from the study. However, outliers often represent a goal of study. For example, in the case of bank fraud detection or disease diagnosis, the central objective is to identify the abnormal situations. Throughout this dissertation we present a methodology that allows the detection of outliers in multivariate time series, after application of classification methods. The chosen approach is then applied to a real data set, representative of boiler operation. The main goal is to identify faults. It is intended to improve boiler components and, hence, reduce the faults. The implemented algorithms allow to identify not only the boiler faults but also their normal operation cycles. We aim that the chosen methodologies will also be applied in future devices, allowing to improve real-time fault identification. |
Description: | Mestrado em Matemática e Aplicações |
URI: | http://hdl.handle.net/10773/22200 |
Appears in Collections: | UA - Dissertações de mestrado DMat - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertação.pdf | 2.31 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.