Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y Computación · 2025
Detección de anomalías en series temporales multivariantes (MTS) basada en métodos de estimación de la densidad.
La detección de anomalías en series temporales multivariantes (MTS) es fundamental para la identificación temprana de comportamientos inusuales en datos secuenciales de múltiples variables. Esta trabajo de grado propone un enfoque basado en métodos de estimación de densidad, que permite modelar de forma probabilística la distribución de datos normales y detectar desviaciones significativas como anomalías. Se implementa un modelo de detección de anomalías en series temporales multivariantes basado en métodos de estimación de densidad, y se evalúa exclusivamente sobre el dataset Server Machine Dataset (SMD), el cual proporciona registros reales de múltiples máquinas con diferentes configuraciones operativas. Este conjunto permite validar el modelo en escenarios con alta dimensionalidad, datos desbalanceados y comportamiento variable entre contextos. Los resultados se analizan usando métricas estándar AUC-PR y F1-score. Se diseñó un experimento comparativo frente a métodos del estado del arte, mostrando ventajas en contextos con alta dimensionalidad y datos desbalanceados. Los resultados sugieren que la estimación de densidad permite capturar mejor los patrones normales y mejorar la detección de desviaciones significativas en datos multivariantes. (Texto tomado de la fuente)