A Wavelets Based Approach for Time Serie Mining - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2012

A Wavelets Based Approach for Time Serie Mining

La méthodologie de choix d'une transformée en ondelettes pour la fouille des données numériques, Application à la prédiction du trafic dans un réseau WiMAX

Résumé

This thesis is based on the research of time series analysis. Our work evaluates a set of time series conceived by monitoring the traffic developed in a WiMAX network. Taking into consideration the high volume of information contained in this database, a data-mining approach was preferred. Assuming that the traffic associated with a BS bad positioned is heavier than the traffic associated with a BS well positioned, two approaches for the appreciation of the heaviness of the traffic were developed. The first approach is based on the supposition that a BS with heavy traffic has a reduced risk of saturation. Hence, it is necessary to appreciate the risk of saturation of each BS. So, the first objective of this thesis is to propose an approach for predicting time series. It is based on a multiple resolution decomposition of the signal using the Stationary Wavelet Transform and ARIMA modeling. The second approach for the appreciation of the heaviness of the traffic is based on Long Range Dependence analysis. The estimation of LRD degree is realized through the estimation of the Hurst parameter of the time-series under analysis. Our objective is to analyze the positioning of BSs in the architecture of a WiMAX network. The results show which BSs have a good localization and which BSs have a bad localization in the topology of the network and must be repositioned when the next session of network maintenance will take place. The application of both data mining techniques, forecasting and LRD analysis, in the wavelets domain is decisive for their performance, improving the speed and the precision of the developed algorithms.
Cette thèse est basée sur la recherche des méthodes d¿analyse des séries temporelles. L¿approche choisie dans cette thèse est fondée sur l¿analyse d¿une base de données conçue après la surveillance du trafique dans un réseau WiMAX. Prenant en compte le volume d¿information important contenu dans cette base de données, on a choisi une approche de type fouille de données. En supposant que le trafique associé avec une BS mal positionnée est plus lourde (moins fluent) que le trafique associé avec une station de base bien positionnée, on a élaboré deux approches pour l¿évaluation de la fluence du trafique. La première approche est basée sur la supposition que le risque de saturation d¿une BS avec trafique lourde est réduit. En conséquence, il est nécessaire d¿estimer le risque de saturation de chaque station de base. Donc, le premier objectif de cette thèse est de proposer une approche pour la prédiction des séries temporelles. Cette approche est basée sur une analyse multi résolution (MRA) du signal associée à une décomposition orthogonale réalisées à l¿aide de la transformée en ondelettes stationnaire (SWT) suivie par une modélisation statistique à l¿aide des modèles ARIMA. La deuxième approche pour l¿évaluation de la fluence du trafique est basée sur l¿analyse de la LRD des séries temporelles qui composent la base de données. L¿estimation du dégrée de LRD se fait par l¿estimation du paramètre de Hurst (H) de la série temporelle analysée. Les résultats indiquent les BS qui ont un mauvais positionnement. Ces dernières BS doivent être repositionnées à l¿occasion de la suivante session de maintenance du réseau.
Fichier principal
Vignette du fichier
2012telb0223_Stolojescu_Cristina_Laura.pdf (2.24 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-00719668 , version 1 (20-07-2012)

Identifiants

  • HAL Id : tel-00719668 , version 1

Citer

Cristina Laura Stolojescu. A Wavelets Based Approach for Time Serie Mining. Signal and Image Processing. Télécom Bretagne, Université de Bretagne-Sud, 2012. English. ⟨NNT : ⟩. ⟨tel-00719668⟩
231 Consultations
290 Téléchargements

Partager

Gmail Facebook X LinkedIn More