変化点検出を応用した時系列データからの突発現象の前兆検出アルゴリズム

情報処理学会 Web Site

書誌事項

タイトル別名
  • An Algorithm for Detecting Precursory Events from Time Series Data
  • ヘンカテン ケンシュツ オ オウヨウ シタ ジケイレツ データ カラ ノ トッパツ ゲンショウ ノ ゼンチョウ ケンシュツ アルゴリズム

この論文をさがす

説明

一般に，前兆現象は突発現象にそのものに比べて非常に目立ちにくく，その開始時刻は曖昧である．従来よく用いられてきた変化点検出法を適用した場合，このような微小で緩慢な変化は見逃されやすい．Tokunagaら(2010)では，Ideら(2005)の提案した特異スペクトル分析を応用した変化点検出法（SST）を，多次元データを用いたアルゴリズム（MSST）へと拡張することで，鋭敏に前兆現象の開始時刻を推定できることを示した．MSSTは，緩慢な変化も検出できる鋭敏な手法であるが，実データへの適用では誤検出が問題になる．本稿では，突発現象の大まかな開始時刻をあらかじめ検出し，さらに検出された時刻の前後で前兆現象の開始時刻と終了時刻を個別に探索することで，前兆現象を鋭敏に検出でき，かつMSST単体よりも誤検出を劇的に減少させることができることを示す．

In general, precursory events are observed as minute and less-visible fluctuations preceding an onset of massive fluctuations of extraordinary phenomena. Hence, existing change-point detection methods most likely overlook precursory events. Tokunaga, et al. (2010) extended the method for detecting the change-points, Singular Spectrum Transformation (SST) proposed by Ide, et al. (2005), to the multivariable SST (MSST). Although MSST can detect minute changes, we have to reduce false positives because real world data includes non-stationary trends and measurement noise. In this paper, we propose the algorithm to detect precursory events in an off-line manner. Our algorithm consists of three kinds of change-point detection methods. We show that the number of false positive reduce drastically by combining three different types of change-point detection methods.

収録刊行物

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ