Segmentazione delle serie temporali nell’analisi dei dati: un esempio di applicazione a dati sismo-vulcanici

Riassunto

Il presente lavoro ha lo scopo di illustrare l’applicazione del processo di segmentazione delle serie temporali, largamente impiegato nei processi di estrazione di conoscenza da banche dati detto Knowledge Discovery in Database [KDD; e.g. Fayyad et al., 1996]. Aggiungendo la dimensione temporale ai dati archiviati, si ottiene quello che in letteratura viene chiamato time series database (TSDB). In questo ambito la rappresentazione dell’informazione, cioè il modo di descrivere un insieme di dati mediante caratteristiche descrittive, riveste un ruolo cruciale.
In generale, i passi per l’estrazione di conoscenza da un insieme di dati possono essere riassunti nello schema di figura 1. Partendo da un insieme di dati, che costituisce il dominio di informazione su cui operare, l’approccio KDD prevede un processo di selezione allo scopo di definire un dataset di ordine ridotto come, ad esempio, un sottoinsieme di interesse dei dati di partenza. Su quest’ultimo insieme si opera un processo di filtraggio al fine di distinguere ciò che è informazione di interesse dal rumore (noise). Il passo successivo riguarda la riduzione dei dati (data reduction and projection); in questo caso si opera un processo di selezione e rappresentazione dei dati con l’intento di ridurre la quantità di informazione da processare. Per ottenere modelli e regole per la...