Detección de anomalías en series temporales univariantes

Abstract

[ES] Este proyecto tiene como finalidad identificar anomalías en series temporales mediante la aplicación de distintos algoritmos, con un enfoque específico en la corrección de los datos tras su análisis. Se centra en el estudio de series temporales univariantes, particularmente en el análisis del consumo de agua en Valencia a lo largo del tiempo, utilizando datos suministrados por el Ayuntamiento de Valencia. Para la detección de anomalías, se contempla el uso de dos métodos diferenciados. El primero es un enfoque basado en técnicas de flujo, que considera tanto datos futuros como pasados para determinar si un punto data específico en la serie temporal es una anomalía. El segundo método, la detección predictiva, se basa exclusivamente en el análisis de datos históricos para identificar irregularidades. Ambos métodos presentan ventajas y desventajas distintas, haciendo que sean complementarios entre sí para una evaluación completa y detallada de las anomalías presentes en los datos.

[EN] This project aims to identify anomalies in time series by applying various algorithms, with a specific focus on outlier correction. It centers on the study of univariate time series, particularly focusing on the analysis of water consumption in Valencia over time, using data provided by the Valencia City Council. For anomaly detection, two distinct methods are considered. The first is a window-based approach, which considers both future and past data to determine if a specific data point in the time series is an anomaly. The second method, predictive detection, relies solely on the analysis of historical data to identify irregularities. Both methods have different advantages and disadvantages, making them complementary to each other for a comprehensive and detailed evaluation of anomalies present in the data.