Detección de fraude en contadores eléctricos mediante técnicas de Machine Learning
Data de defensa | 14/09/2022 |
Titulación | Máster Universitario en Enxeñaría Industrial |
Centro | Escola de Enxeñaría Industrial |
Dirección |
Titoría: Javier Martínez Torres |
Tribunal |
Vogalía: Luis Eduardo Eguizábal Gándara Presidencia: Celso Fernández Silva Vogalía: Juan Sáez López Secretaría: María Cristina Trillo Yáñez |
Resumo | No presente traballo analizaranse datos proporcionados polos contadores eléctricos intelixentes co obxectivo de atopar unha forma de identificar aquelos sospeitosos de cometer fraude, sen que sexa preciso que un operativo o comprobe físicamente. Concretamente, examinaranse os eventos sucedidos durante un periodo de dous anos nun total de 1000 contadores, dos cais a mitade sábese son fraudulentos. O traballo consta de dúas partes diferenciadas; en primeiro lugar, a obtención, a partir da información inicial de eventos, dunha serie de parámetros que caracterizan o comportamento de cada contador durante o periodo analizado, e que por conseguinte fanno comparable co resto de contadores. Para elo empregarase un autoencoder apilado, é dicir, unha arquitectura de rede neuronal para aprendizaxe non supervisado que comprime a información de entrada nun único vector que contén os parámetros previamente mencionados. En segundo lugar, utilizando dito vector como representación do contador, aplicaranse dúas metodoloxías distintas, comparando finalmente os resultados obtidos por ambas. Por un lado, agruparanse, empregando diversos algoritmos de clustering, en varios conxuntos coa esperanza de que un deles comprenda aos contadores fraudulentos. Por outro lado, utilizaranse técnicas de clasificación para determinar se un contador é ou non fraudelento. |