détection de cycles

bjr,
j'ai un dispositif complexe (disons un réseau d'ordinateurs) qui réagit à des sollicitations extérieures. mon étude porte sur les temps de réponse de ce réseau. J'ai des enregistrements du temps de réponse moyen par période de 10 secondes. Notre problème est que nous pensons que ce temps e réponse subit des cycles : il accélère, puis ralentit, puis ré-accélère.

comment démontrer numériquement l'existence de ces cycles (le signal est très bruité) et les caractériser ?
idée n°1 (la seule que j'aie en magasin) = FFT le signal et regarder les harmoniques.

il me semble qu'il y a des méthodes plus fines pour la détection de cycles. merci à ceux qui pourront me mettre sur la voie.

OL

Ton réseau d'ordinateur est typiquement un graphe, par conséquent, toute méthode de détection de cycle dans un graphe peut être utilisé. Mais ceci suppose que tu connaisses le réseau plus dans le détail.

j'ai une petite idée simple mais je testerais cette après-midi avant de poster... :)

Citation:

---

Envoyé par PRomu@ld

Ton réseau d'ordinateur est typiquement un graphe, par conséquent, toute méthode de détection de cycle dans un graphe peut être utilisé. Mais ceci suppose que tu connaisses le réseau plus dans le détail.

---

C'est intéressant cette vision en graphe. Peut-être qu'on va creuser ça dans un deuxième temps. Pour l'instant, je ne connais pas la structure du réseau. Je n'ai en main que les données de temps de réponse moyen par tranche de 10 secondes sur quelques jours. Les temps de réponse vont de 1 à 100 millisecondes. 1 c'est bon, 5 c'est "nominal", 100 c'est la cata.
OL

Salut,

Je pense que le l'autocorrelation peut t'aider pour la detection de la périodicité, tu as vu de ce coté?

cordialement.

Bon je n'ai plus de place dans mes attachements pour mettre les résultats, mais voilà ma petite idée simple qui marche très bien...

1) faire un lissage par une moyenne glissante sur 3 (en tenant compte des bords), pour diminuer le bruit :

i = 0 moyenne (0, 1)
i = fin moyenne (fin-1, fin)
i = N moyenne (N-1,N,N+1)

1bis) éventuellement si on veut appliquer un seuillage.

2) Trouver le max. Trouver le min à gauche et/ou à droite.

3) à partir de ces min, calculer l'écart moyen entre point-1 , point, et point +1.

4) explorer à gauche et à droite de ces mins en remplaçant tous les points +/- 1.5 écart ci-dessus par valeur moyenne.

5) A ce moment là, on a une série de pics avec au milieu une série de traits constants.

6) et la simplement stocker le max, et explorer à gauche du min à gauche et et à droite du min à droite, en mettant un flag ON chaque fois qu'on "monte" et en stockant à chaque fois qu'on commence à redescendre...


Et là, avec que des maths simples et un algo très simple, aucun problème. On a bien tous les pics avec leur position et leur valeur, et donc on peut en déduire la fréquence.


Alternative encore plus simple :

appliquer un double seuillage d'entrée de jeu :

si valeur < seuil
lissage=0
sinon
lissage = valeur

puis

de 0 à fin

si lissage différent de 0
stocker début et fin de l'intervalle.

d'où centre de l'intervalle

OK. Merci, je vais tester cette voie, la autocorrélation, et la voie spectre de puissance par FFT.