Please use this identifier to cite or link to this item:
http://hdl.handle.net/2122/8094
Authors: | Montalto, P.* Aliotta, M.* Cannata, A.* Cassisi, C.* |
Title: | Segmentazione delle serie temporali nell’analisi dei dati: un esempio di applicazione a dati sismo-vulcanici. | Journal: | Rapporti tecnici | Series/Report no.: | 224/ (2012) | Publisher: | INGV | Issue Date: | 2012 | Keywords: | Segmentazione serie temporali |
Subject Classification: | 05. General::05.01. Computational geophysics::05.01.01. Data processing 05. General::05.01. Computational geophysics::05.01.05. Algorithms and implementation |
Abstract: | Il presente report descrive quanto sviluppato dagli autori per l’analisi delle serie temporali utilizzate per il monitoraggio sismo-vulcanico del vulcano Etna. La necessità di ottenere una rappresentazione ridotta delle serie temporali ha portato alla ricerca ed alla implementazione degli algoritmi di segmentazione oggetto del presente lavoro. Le metodologie introdotte nel paragrafo 2, largamente applicate nella disciplina del data mining su serie temporali, costituiscono ad oggi lo stato dell’arte per quanto riguarda le tecniche di approssimazione di serie temporali. In particolare, l’applicazione dell’algoritmo bottom-up ha permesso una compressione elevata dei dati, consentendo quindi una rappresentazione con un numero di punti inferiore rispetto a quello delle serie temporali di partenza. In questo contesto la scelta delle soglie errore, legata indirettamente al numero di segmenti con cui si approssima la serie temporale, è stata scelta in modo empirico. Questa scelta è stata vincolata alla dimensione dei buffer di dati da impiegare per scopi di visualizzazione ed elaborazione. Future implementazioni riguarderanno l’ottimizzazione in linea degli algoritmi Sliding Window in modo da operare in real-time sugli streaming di dati ed ottimizzarne l’archiviazione e la visualizzazione. |
Appears in Collections: | Article published / in press |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Montalto et al rapporto224.pdf | 802.12 kB | Adobe PDF | View/Open |
Page view(s) 50
536
checked on Apr 17, 2024
Download(s) 50
138
checked on Apr 17, 2024