Time series random generator
Jorge Martín Lasaosa · 2020
Una serie temporal es una secuencia ordenada de valores. Este tipo de datos aparecen en muchos campos de la vida real, como resultado de una medicion continua de cualquier tipo de variable. Por ejemplo, en medicina, sismologia, finanzas… Se han llevado a cabo una gran cantidad de proyectos en el ambito de la prediccion o analisis de series temporales. Mientras en el ambito de las finanzas, por ejemplo, se ha intentado predecir el comportamiento del mercado de valores, en medicina se analizan los cardiogramas de un paciente mediante tecnicas de mineria de datos en busca de anomalias. Debido a estas y a otras muchas aplicaciones, este es un campo estudiado desde hace muchos anos. Sin embargo, ha adquirido una nueva dimension con la llegada del COVID-19, y se han lanzado muchos proyectos que intentan ayudar en la situacion actual. Para este trabajo de fin de master, la finalidad es doble. En primer lugar, hay que disenar y desarrollar una aplicacion software que, dada una serie de parametros, sea capaz de generar series temporales sinteticas. Estos parametros referencian propiedades de las series temporales como la tendencia, la periodicidad, la aparicion de eventos como picos o valles… En segundo lugar, se procedera con el diseno y desarrollo de una segunda que, mediante tecnicas de mineria de datos, agrupe las diferentes series temporales sinteticas generadas. Estas tecnicas consistiran en realizar transformaciones de Fourier sobre las series temporales, y utilizar los coeficientes obtenidos como entradas para un algoritmo de agrupacion. La aplicacion desarrollada no solo servira como una herramienta de mineria de datos sino tambien como una forma de probar el correcto funcionamiento del generador aleatorio de series temporales y sus muchas funcionalidades.---ABSTRACT---A time series is an ordered sequence of values. This data type appears in many real-life domains, as the result of measuring continuously any kind of variable. For example, in medicine, seismology, finances… Lots of projects have been carried out in the field of time series prediction or analysis. There are many attempts to predict the stock market in financial companies. Also, in medicine the patient cardiograms are analysed using data mining techniques for finding anomalies, etc. Due to its many applications, this is a field studied for many years. However, it has acquired a new dimension with the arrival of COVID-19, and many projects have been started trying to help in the current situation. For this master’s thesis, the objective is twofold. First, a time series random generator must be designed and developed. Given some parameters, it can generate synthetic random time series. These parameters are related to time series properties such as trend, periodicity, the appearance of events like peaks or valleys... Secondly, another application will be designed and developed. It will use data mining techniques to group the different synthetic generated time series. These techniques will consist of performing Fourier transformations on the time series, and using the coefficients obtained as inputs for a clustering algorithm. Thus, it will be important as a proper data mining tool but also as a means to prove the correct functioning of the time series random generator and its many functionalities.