Mélange de chaînes de Markov non-homogènes pour la classification et la prévision des habitudes de consommation issues d'un réseau d'eau intelligent
Résumé
Cet article présente une méthodologie basée sur un mélange de modèles de Markov non-homogènes pour effectuer la classification non supervisée et la modélisation locale de l'évolution jointe d'un ensemble des séries temporelles catégorielles. Les séries temporelles représentent la succession des habitudes de consommation de l'ensemble des compteurs issus d'un réseau d'eau potable en île-de-France. Afin d'estimer les classes et les paramètres du modèle, un algorithme CEM est proposé. La prévision effectuée à l'intérieur des classes obtenues permet une gestion plus efficace des réseaux.