JdS2012


 English   -  Français  

Résumé de communication



Résumé 50 :

Méta-segmentation de séries temporelles : recherche de la "meilleure" segmentation
Derquenne, Christian
EDF R&D

Nous avons développé récemment une méthode de segmentation de série temporelle offrant une décomposition de celle-ci en segments linéaires successifs reposant sur un modèle linéaires gaussien hétéroscédastique et ajusté par l’estimateur REML. Cette approche permet par exemple de détecter les ruptures de comportement d’une série, de la stationnariser, de construire des séries synthétiques dans l’optique de classification de courbes, etc. Cette méthode a obtenu de très bons résultats autant sur des données simulées, que sur des données réelles. Notre méthode de segmentation initiale qui repose sur une approche exploratoire à l’opposé d’une approche de programmation dynamique, fournit plusieurs segmentations possibles d’une même série temporelle. Le choix de la « meilleure » parmi celles-ci repose sur des indicateurs statistiques, comme le MAPE, le REML, l’AIC, le BIC, etc. Cependant, ces indicateurs ne permettent que de juger globalement la qualité d’une segmentation, même si celle-ci est satisfaisante. En effet, une segmentation peut être très performante par rapport aux autres sur un intervalle de temps, alors qu’une autre segmentation a une très bonne qualité sur une autre zone temporelle, etc. Nous proposons donc une méthode pour construire une méta-segmentation à partir des segmentations proposées. Celle-ci repose sur un critère de sélection pas à pas des parties de segmentations les plus performantes.