An incremental algorithm for discovering routine behaviours from smart meter data

متر هوشمند در اندازه گیری مصرف آب و برق مانند برق، گاز و آب به طور فزاینده ای محبوب می شود. داده های معدنکاری نشان می دهد الگوهای رفتاری مفید در مورد آخرین فعالیت های استفاده. در این مقاله، رفتارهای معمولی را برای مشخص کردن فعالیت های مکرر از داده های هوشمند تعریف می کنیم. با توجه به ویژگی های خاص رفتارهای معمول، الگوریتم های کشف الگوریتم سنتی مانند الگوریتم های کشف موتیف قابل استفاده نیستند. بنابراین، ما یک الگوریتم کارآمد را برای کشف رفتارهای معمول از تمام طول های احتمالی با تکانه های افزایش یافته پیشنهاد می کنیم. برای تضمین ارزیابی های سیستماتیک، ابتدا مجموعه داده های مصنوعی با حقیقت شناخته شده زمین ایجاد شد. آزمایشات روی مجموعه داده های مصنوعی نشان می دهد که الگوریتم پیشنهادی دارای دقت قابل مقایسه با الگوریتم نیروی بی رحم است اما نیاز به زمان کمتر محاسباتی دارد. علاوه بر این، ما نشان می دهیم که دانش دامنه مفید می تواند از روال های کشف شده در دو مجموعه داده های دنیای واقعی استخراج شود که مصرف آب را در دو منطقه ثبت می کند.