Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS
Contenido archivado el 2024-05-27
Getting Orientation in Complex Information Spaces as an Emergent Behaviour of Autonomous Information Agents

Article Category

Article available in the following languages:

Herramienta de análisis de series temporales

La Fundación griega para la investigación y el desarrollo ("Greek Foundation for Research and Technology" - FORTH) ha desarrollado una herramienta de análisis de series temporales. Trabajando en un entorno Java para una mayor interoperabilidad, la herramienta detecta series temporales en grandes bases de datos de las que debe extraerse información contextual inherente a las series temporales.

Al registrar números de lotería o el valor de los índices bursátiles durante un cierto período de tiempo, puede generarse una secuencia de números denominada serie temporal. Cuando estas secuencias están relacionadas con procesos o fenómenos no aleatorios, su análisis puede suministrar información significativa sobre el comportamiento del fenómeno examinado. Normalmente las series temporales están constituidas por miles de datos y su análisis requiere herramientas matemáticas y de software especiales. En el marco del proyecto IRAIA, la Fundación FORTH desarrolló una herramienta de software para el análisis de los parámetros de series temporales específicas. La herramienta desarrollada por FORTH no es una de las herramientas habituales del software de análisis de series temporales, que incluyen una gran variedad de funciones matemáticas complejas y examinan diversos tipos de parámetros. Esta herramienta tiene un componente especial para detectar series temporales en grandes bases de datos y busca integrar las coherencias de las series temporales en colecciones de referencias textuales coherentes, almacenándose ambas en bases de datos. Gracias a estas características puede utilizarse perfectamente como herramienta de predicción y agrupamiento, y permite detectar si una serie influye en otra. Por ejemplo, cuando una variable que describe un fenómeno económico afecta a otra, esta influencia puede ser analizada mejor, pudiéndose extraer información oculta expresándola en forma de valores significativos de secuencias numéricas en lugar de emplear información textual difícil de interpretar. La herramienta ha sido desarrollada en un entorno Java para conseguir un alto grado de interoperabilidad. Podría encontrar aplicaciones adicionales en situaciones en las que debe extraerse información contextual inherente a documentos puramente numéricos como son las series temporales.

Descubra otros artículos del mismo campo de aplicación

Mi folleto 0 0