Detection of Regularity Violations of Cyclic Processes in a Temperature Monitoring System Using Patterns Form

Abstract

Periodicity mining is used for predicting trends in time series data. Discovering the rate at which the time series is periodic has always been an obstacle for fully automated periodicity mining. In this paper, a method for detecting the weather temperature series periodicity is proposed. The proposed method, based on DFT, effectively discovered the series periodicity and determined the periodic patterns and their repetition frequencies. Then, the series has been divided into equal time slots based on the pattern repetition frequency. A reference series has been constructed as repetitions for a template pattern, which was constructed from the patterns averages of the original temperature series. The reference series is very useful in temperature series analysis, as the patterns deviations, the future patterns predictions, and the anomalies detections. Experimental results show that the proposed method accurately discovers periodicity rates and periodic patterns

Выявление периодичности широко используется для предсказания трендов при исследовании вре- менных рядов. Нахождение периода следования всегда представляло определенную проблему в пол- ностью автоматических системах анализа. В данной статье предлагается метод для выделения периодических циклов на графиках изменения температуры окружающей среды. Основанный на дискретном преобразовании Фурье, он эффективно выделяет периодические участки и частоту их повторения. В предлагаемом методе весь временной ряд разбивается на ряд эквидистантных временных интервалов. Опорный ряд восстанавливается в виде серии повторяющихся паттер- нов, форма которых определяется путем усреднения форм интервалов описывающего изменение температуры оригинального ряда. Такой ряд очень полезен для анализа оригинальной серии на- блюдений, такого как обнаружение отклонений на отдельных интервалах, экстраполяция резуль- татов, выявление аномалий в поведении температурного графика. Экспериментальные резуль- таты показывают, что предложенный метод точно находит длительность периода и форму циклически повторяющихся фрагментов ряда