tijdreekssegmentatie

Tijdreekssegmentatie is het proces van het verdelen van een tijdreeks in meerdere segmenten die distincte kenmerken of patronen vertonen. Deze segmenten vertegenwoordigen periodes waarin de onderliggende dynamiek van de gegevens significant verandert. Het doel is om deze veranderingspunten, ook wel breukpunten genoemd, te identificeren en de tijdreeks dienovereenkomstig op te delen.

De techniek wordt toegepast in diverse domeinen. In de financiële wereld kan tijdreekssegmentatie helpen bij het identificeren van periodes van marktvolatiliteit of trends. In de industrie kan het worden gebruikt om afwijkende gedragingen in sensor- of machinegegevens te detecteren, wat kan duiden op een naderende storing. Ook in de analyse van medische gegevens, zoals hartslagvariabiliteit, kan segmentatie worden ingezet om fysiologische toestanden te onderscheiden.

Verschillende methoden bestaan voor tijdreekssegmentatie. Parametrische methoden gaan ervan uit dat de data binnen elk segment een bepaald statistisch model volgt en zoeken naar de segmentatie die het beste past bij deze modellen. Niet-parametrische methoden maken minder aannames over de onderliggende distributie van de data. Veelgebruikte algoritmen omvatten onder andere cumulatieve som (CUSUM) methoden, Bayesiaanse benaderingen en technieken gebaseerd op optimalisatie van een kostenfunctie die rekening houdt met de kwaliteit van de segmenten. De keuze van de methode hangt af van de specifieke kenmerken van de tijdreeks en het beoogde toepassingsgebied.