Méthode à base de patterns pour la détection d'anomalies

La detection d’anomalies dans les applications reelles de distribution de fluide est une tâche difficile, en particulier lorsque l’on cherche a detecter simultanement differents types d’anomalies. La resolution de ce probleme est importante dans plusieurs domaines par exemple, dans les applications de gestion et de supervision de bâtiments. Dans cet article, nous presentons l’algorithme CoRP "Composition of Remarkable Points", une approche configurable basee sur la modelisation de patterns de detection simultanee d’anomalies multiples. CoRP applique un ensemble de patterns, defini par l’utilisateur, afin d’annoter (labels) les points remarquables dans une serie temporelle uni-variee, puis detecte les anomalies par composition de labels. En comparant avec des algorithmes de la litterature, notre approche se montre plus robuste et plus precise pour detecter tous les types d’anomalies observees dans des deploiements reels. Nos experimentations reposent sur des donnees du monde reel et des donnees de benchmark issues de la litterature.