Décomposition et classification de données fonctionnelles pour l'analyse de la consommation d'eau

Autor: Same, Allou, Noumir, Zineb, Cheifetz, Nicolas, Sandraz, Anne-Claire, Feliers, Cédric
Přispěvatelé: Génie des Réseaux de Transport Terrestres et Informatique Avancée (IFSTTAR/COSYS/GRETTIA), Institut Français des Sciences et Technologies des Transports, de l'Aménagement et des Réseaux (IFSTTAR)-Communauté Université Paris-Est, Veolia Eau d'Ile-de-France, parent, Cadic, Ifsttar
Jazyk: francouzština
Rok vydání: 2016
Předmět:
Zdroj: EGC 2016-Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances, Atelier Clustering et Co-clustering (CluCo 2016)
EGC 2016-Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances, Atelier Clustering et Co-clustering (CluCo 2016), Jan 2016, Reims, France. 11p
Popis: EGC 2016 - Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances, Atelier Clustering et Co-clustering (CluCo 2016), Reims, FRANCE, 18-/01/2016 - 22/01/2016; Cet article décrit une nouvelle méthodologie permettant d'extraire des profils-types de consommation à partir de séries temporelles collectées via des compteurs intelligents sur un réseau de distribution d'eau potable. L'approche proposée opère en deux étapes. Dans un premier temps, un modèle de décomposition additif de type tendance-saison-bruit est appliqué à chacune des séries afin d'en extraire des patterns saisonniers reflétant les habitudes routinières de consommation. Dans un second temps, un algorithme de classification fonctionnelle basé sur un modèle de régression de Fourier est mis en place afin de regrouper les patterns saisonniers en classes homogènes. Des expérimentations effectuées sur une base de données réelles ont montré tout le potentiel de l'approche proposée.
Databáze: OpenAIRE
Externí odkaz: