การวิเคราะห์ความเป็นระยะ (Periodicity analysis) คือการทำเหมืองรูปแบบระยะ (periodic patterns) นั่นคือการค้นหารูปแบบที่เกิดซ้ำในข้อมูลช่วงเวลา (time-related series data) สามารถใช้ในหลายพื้นที่สำคัญ เช่น ฤดูกาล, โพรงน้ำ, 軌道ของดาวเคราะห์, การใช้ไฟฟ้ารายวัน, รูปแบบจราจรรายวัน, และรายการทีวีรายสัปดาห์ ล้วนแสดงรูปแบบระยะบางอย่าง
การวิเคราะห์ความเป็นระยะดำเนินการบนข้อมูล time-series ซึ่งรวมลำดับของค่าหรือเหตุการณ์ที่วัดในช่วงเวลาเท่ากัน (เช่น รายชั่วโมง, รายวัน, รายสัปดาห์) ยังสามารถประยุกต์กับข้อมูลลำดับที่เกี่ยวกับเวลาอื่นๆ ที่ค่าหรือเหตุการณ์อาจเกิดในช่วงเวลาที่ไม่เท่ากันหรือเวลาใดก็ได้ (เช่น ธุรกรรมออนไลน์) อีกทั้งองค์ประกอบที่จะวิเคราะห์อาจเป็นข้อมูลตัวเลข (เช่น อุณหภูมิรายวันหรือการผันผวนการใช้ไฟฟ้า) หรือบันทึกเชิงหมวดหมู่ (เหตุการณ์) (เช่น ซื้อสินค้าหรือดูเกม)
ปัญหาการทำเหมืองรูปแบบระยะสามารถพิจารณาได้จากมุมมองหลายมุม ขึ้นอยู่กับขอบเขตของรูปแบบ สามารถจัดประเภทรูปแบบระยะเป็น full vs partial periodic patterns:
รูปแบบระยะเต็ม (full periodic pattern) — รูปแบบที่ทุกจุดในเวลามีส่วนร่วม (อย่างแม่นยำหรือประมาณ) ต่อพฤติกรรมเป็นวงจรของลำดับที่เกี่ยวกับเวลา ตัวอย่าง ทุกวันในปีมีส่วนร่วมประมาณการต่อวัฏจักรฤดูกาลของปี
รูปแบบระยะบางส่วน (partial periodic pattern) — ระบุพฤติกรรมระยะของลำดับเวลาที่บางจุดแต่นิทุกจุดในเวลา ตัวอย่าง แซนดี้อ่าน New York Times เวลา 7:00-7:30 ทุกเช้าวันจันทร์-ศุกร์ แต่กิจกรรมเวลาอื่นๆ ไม่มีความสม่ำเสมอ มาก Partial periodicity เป็นรูปแบบระยะที่หลวมกว่า full periodicity และพบบ่อยกว่าในโลกจริง
ขึ้นอยู่กับความแม่นยำของความเป็นระยะ รูปแบบสามารถเป็น synchronous หรือ asynchronous โดย synchronous ต้องการให้เหตุการณ์เกิดใน offset คงที่ในแต่ละ "stable" period เช่น 15:00 ทุกวัน ในขณะที่ asynchronous อนุญาตให้เหตุการณ์ผันผวนในช่วงที่กำหนดได้หลวมๆ
รูปแบบยังสามารถเป็น precise หรือ approximate ขึ้นอยู่กับค่าข้อมูลหรือ offset ภายใน period ตัวอย่าง ถ้าแซนดี้อ่านหนังสือพิมพ์เวลา 7:00 หลายวัน แต่เวลา 7:10 หรือ 7:15 ในวันอื่น นี่คือรูปแบบระยะที่เหมาะสม
