Prévision de séries temporelles

La prévision de séries temporelles utilise des données séquentielles historiques — relevés de capteurs, consommation d'énergie, demande — pour prédire des valeurs futures. En industrie, elle sous-tend la prévision d'énergie et de demande, la maintenance prédictive et la planification de la production en projetant l'évolution d'une grandeur mesurée.

En apprenant motifs, tendances et saisonnalité dans des données horodatées, les modèles de prévision projettent ce qui vient et signalent quand la réalité diverge. Les usages industriels incluent la prévision de la demande d'énergie pour la gestion des coûts et du réseau, la prédiction de la dégradation des équipements vers la panne, et la planification de la production et des stocks. La précision dépend de la qualité des données et de la stabilité des motifs sous-jacents, de sorte que les prévisions sont couplées à une surveillance de la dérive.

Termes liés

Machine Learning (Industrial) · Anomaly Detection · Predictive Maintenance (PdM) · Demand Response

Logiciels