Séminaire de l’équipe MSDMA, vendredi 28 Janvier 2022

Map Unavailable

Date/heure
Date(s) - 28/01/2022
11 h 00 - 12 h 00

Emplacement
CNAM, accès 31, salle31.2.85

Catégories


Speaker: Christian Derquenne (EDF)

Title: Détection d’anomalies dans des séries temporelles régulières : une approche non-paramétrique

Abstract: L’analyse du comportement des observations dans les séries temporelles est primordiale pour la prévision, la simulation, le filtrage. En effet, la présence de ruptures, d’anomalies dans une ou plusieurs séries en entrée pour prévoir une série temporelle de sortie peut entacher la qualité de prévision. Ce problème se rencontre pour des séries temporelles régulières (températures météo, par exemple) ou irrégulières (cours de la bourse). De nombreuses méthodes de détection de ruptures et d’anomalies existent dans la littérature pour pallier ce problème. Nous proposons une approche non-paramétrique de détection d’anomalies pour des séries temporelles régulières. Elle introduit une statistique robuste de test au moyen d’une distribution empirique et permet de décider du caractère anormal d’observations. Elle est appliquée sur des productions d’énergie photovoltaïque. Les résultats obtenus sont très prometteurs.

Informations pratiques : Il y aura aussi la possibilité de participer au séminaire à distance en cliquant sur ce lien Teams

Top