Reconstruction of missing data in multidimensional time series by fuzzy similarity

Piero Baraldi 1, * F. Di Maio 1 D. Genini 1 Enrico Zio 2
* Auteur correspondant
2 Chaire Sciences des Systèmes et Défis Energétiques EDF/ECP/Supélec
LGI - Laboratoire Génie Industriel - EA 2606, SSEC - Chaire Sciences des Systèmes et Défis Energétiques EDF/ECP/Supélec
Abstract : The present work addresses the problem of missing data in multidimensional time series such as those collected during operational transients in industrial plants. We propose a novel method for missing data reconstruction based on three main steps: (1) computing a fuzzy similarity measure between a segment of the time series containing the missing data and segments of reference time series; (2) assigning a weight to each reference segment; (3) reconstructing the missing values as a weighted average of the reference segments. The performance of the proposed method is compared with that of an Auto Associative Kernel Regression (AAKR) method on an artificial case study and a real industrial application regarding shutdown transients of a Nuclear Power Plant (NPP) turbine.
Type de document :
Article dans une revue
Applied Soft Computing, Elsevier, 2015, 26, pp.1-9. 〈10.1016/j.asoc.2014.09.038〉
Liste complète des métadonnées

Littérature citée [15 références]  Voir  Masquer  Télécharger

https://hal-supelec.archives-ouvertes.fr/hal-01177010
Contributeur : Yanfu Li <>
Soumis le : jeudi 16 juillet 2015 - 13:58:00
Dernière modification le : jeudi 22 février 2018 - 01:10:41
Document(s) archivé(s) le : samedi 17 octobre 2015 - 11:04:25

Fichier

7_RECONSTRUCTION OF MISSING DA...
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Piero Baraldi, F. Di Maio, D. Genini, Enrico Zio. Reconstruction of missing data in multidimensional time series by fuzzy similarity. Applied Soft Computing, Elsevier, 2015, 26, pp.1-9. 〈10.1016/j.asoc.2014.09.038〉. 〈hal-01177010〉

Partager

Métriques

Consultations de la notice

131

Téléchargements de fichiers

103