Obtener información a partir de datos es una tarea desafiante para investigadores y profesionales, especialmente cuando trabajan en dominios espacio-temporales. Si la búsqueda de patrones está involucrada, las complicaciones introducidas por las dimensiones temporales de los datos crean obstáculos adicionales, ya que las técnicas tradicionales de minería de datos son insuficientes para abordar (STDBs). Por lo tanto, hemos presentado un nuevo algoritmo, al que nos referimos como , y puede ser descrito como una versión probabilística del algoritmo para buscar patrones periódicos. Hasta donde sabemos, ningún trabajo previo ha comparado los algoritmos más citados en la literatura para buscar patrones periódicos, a saber, , , , , y . Por lo tanto, hemos llevado a cabo tales comparaciones y luego evaluado nuestro algoritmo empíricamente utilizando dos conjuntos de datos, mostrando su capacidad para manejar diferentes tipos de periodicidad y distribuciones de datos. Al realizar un análisis comparativo tan completo, hemos demostrado que nuestro algoritmo recién propuesto tiene una complejidad menor que las alternativas existentes y acelera el rendimiento independientemente del tamaño del conjunto de datos. Esperamos que nuestro trabajo contribuya en gran medida a la minería de datos astronómicos y a los flujos en línea en constante crecimiento derivados de las redes sociales.