Página 1 dos resultados de 1670 itens digitais encontrados em 0.006 segundos

Mineração e visualização de coleções de séries temporais; Mining and visualization of time series collections

Alencar, Aretha Barbosa
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 10/12/2007 PT
Relevância na Pesquisa
66.6%
A análise de séries temporais gera muitos desafios para profisionais em um grande número de domínios. Várias soluções de visualização integrada com algoritmos de mineração já foram propostas para tarefas exploratórias em coleções de séries temporais. À medida que o conjunto de dados cresce, estas soluções falham em promover uma boa associação entre séries temporais similares. Neste trabalho, é apresentada uma ferramenta para a análise exploratória e mineração de conjuntos de séries temporais que adota uma representação visual baseada em medidas de dissimilaridade entre séries. Esta representação é criada usando técnicas rápidas de projeção, de forma que as séries temporais possam ser visualizadas em espaços bidimensionais. Vários tipos de atributos visuais e conexões no grafo resultante podem ser utilizados para suportar a exploração dessa representação. Também é possível aplicar algumas tarefas de mineração de dados, como a classificação, para apoiar a busca por padrões. As visualizações resultantes têm se mostrado muito úteis na identificação de grupos de séries com comportamentos similares, que são mapeadas para a mesma vizinhança no espaço bidimensional. Grupos visuais de elementos...

Aplicação de redes neurais artificiais na análise de séries temporais econômico-financeiras; Artificial neural networks application in financial-economic time series analysis

Oliveira, Mauri Aparecido de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 07/12/2007 PT
Relevância na Pesquisa
66.59%
Diversas metodologias são empregadas para realizar a análise de séries temporais, dentre as quais destaca-se o uso das redes neurais artificiais (RNA). Neste trabalho são utilizados quatro métodos para realizar previsão de séries temporais univariadas: os modelos ARIMAGARCH, RNA feedforward, RNA treinada com filtro de Kalman estendido (EKF) e RNA treinada com o filtro de Kalman unscented (UKF). Sendo que o uso de RNA-UKF é um avanço recente na área de sistemas de inteligência computacional. O uso de redes neurais treinadas com filtro de Kalman é uma metodologia que tem trazido bons resultados em uma ampla variedade de aplicações nas áreas comercial, militar e científica. Em 2002 aproximadamente 250 bilhões de dólares eram gerenciados em fundos de investimentos por modelos quantitativos (tais como lógica fuzzy, redes neurais, algoritmos genéticos, fractais e modelos de Markov). Desde 2006 estima-se que três em cada dez destes fundos utilizem estes modelos quantitativos. A capacidade das RNA em lidar com não linearidades é uma vantagem normalmente destacada quando são realizadas previsões de séries temporais. São apresentadas simulações de Monte Carlo que mostram a influência dos parâmetros dos modelos ARIMA-GARCH na predição de redes neurais artificiais do tipo feedforward...

Improving time series modeling by decomposing and analysing stochastic and deterministic influences; Modelagem de séries temporais por meio da decomposição e análise de influências estocásticas e determinísticas

Rios, Ricardo Araújo
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 22/10/2013 EN
Relevância na Pesquisa
66.6%
This thesis presents a study on time series analysis, which was conducted based on the following hypothesis: time series influenced by additive noise can be decomposed into stochastic and deterministic components in which individual models permit obtaining a hybrid one that improves accuracy. This hypothesis was confirmed in two steps. In the first one, we developed a formal analysis using the Nyquist-Shannon sampling theorem, proving Intrinsic Mode Functions (IMFs) extracted from the Empirical Mode Decomposition (EMD) method can be combined, according to their frequency intensities, to form stochastic and deterministic components. Considering this proof, we designed two approaches to decompose time series, which were evaluated in synthetic and real-world scenarios. Experimental results confirmed the importance of decomposing time series and individually modeling the deterministic and stochastic components, proving the second part of our hypothesis. Furthermore, we noticed the individual analysis of both components plays an important role in detecting patterns and extracting implicit information from time series. In addition to these approaches, this thesis also presents two new measurements. The first one is used to evaluate the accuracy of time series modeling in forecasting observations. This measurement was motivated by the fact that existing measurements only consider the perfect match between expected and predicted values. This new measurement overcomes this issue by also analyzing the global time series behavior. The second measurement presented important results to assess the influence of the deterministic and stochastic components on time series observations...

Agrupamento de séries temporais em fluxos contínuos de dados; Time series clustering for data streams

Pereira, Cássio Martini Martins
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 29/10/2013 PT
Relevância na Pesquisa
66.62%
Recentemente, a área de mineração de fluxos contínuos de dados ganhou importância, a qual visa extrair informação útil a partir de conjuntos massivos e contínuos de dados que evoluem com o tempo. Uma das técnicas que mais se destaca nessa área e a de agrupamento de dados, a qual busca estruturar grandes volumes de dados em hierarquias ou partições, tais que objetos mais similares estejam em um mesmo grupo. Diversos algoritmos foram propostos nesse contexto, porém a maioria concentrou-se no agrupamento de fluxos compostos por pontos em um espaço multidimensional. Poucos trabalhos voltaram-se para o agrupamento de séries temporais, as quais se caracterizam por serem coleções de observações coletadas sequencialmente no tempo. Técnicas atuais para agrupamento de séries temporais em fluxos contínuos apresentam uma limitação na escolha da medida de similaridade, a qual na maioria dos casos e baseada em uma simples correlação, como a de Pearson. Este trabalho mostra que até para modelos clássicos de séries temporais, como os de Box e Jenkins, a correlação de Pearson não é capaz de detectar similaridade, apesar das séries serem provenientes de um mesmo modelo matemático e com mesma parametrização. Essa limitação nas técnicas atuais motivou este trabalho a considerar os modelos geradores de séries temporais...

Mineração de padrões frequentes em séries temporais para apoio à tomada de decisão em agrometereologia; Mining frequent patterns in time series to support decision-making in agrometeorology

Chino, Daniel Yoshinobu Takada
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 18/03/2014 PT
Relevância na Pesquisa
66.63%
O crescente aumento no volume de dados complexos tem se tornado um desafio para pesquisadores. Séries temporais são um tipo de dados complexos que tem tido um crescimento em sua relevância, devido a sua importância para o monitoramento e acompanhamento de safras agrícolas. Assim, a mineração de informação a partir de grandes volumes de séries temporais para o apoio a tomada de decisões tem se tornado uma atividade valiosa. Uma das atividades importantes na mineração em séries temporais é a descoberta de padrões frequentes. Entretanto, a complexidade dessa atividade requer métodos rápidos e eficientes. Nesse contexto, esta dissertação de mestrado apresenta propostas para novos algoritmos e métodos para minerar e indexar séries temporais. Uma das propostas dessa dissertação é o índice Telesto, que utiliza uma estrutura baseada em árvores de sufixo generalizada para recuperar séries temporais em uma base de dados de séries temporais de modo rápido e eficiente. Outra proposta dessa dissertação é o algoritmo TrieMotif, que se baseia em uma trie para eliminar comparações desnecessárias entre subsequências, agilizando o processo de mineração de padrões frequentes em séries temporais. Os algoritmos propostos foram utilizados para a análise de dados climáticos e agrometeorológicos. Os resultados apresentados nessa dissertação de mestrado mostram que os algoritmos são escaláveis...

Ajuste de modelos e comparação de séries temporais para dados de vazão específica em microbacias pareadas; Fitting of models and comparison of time series for specific flow data in paired catchments

Amaral, Marcus Vinicius Silva Gurgel do
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 15/07/2014 PT
Relevância na Pesquisa
66.64%
A crescente preocupação com o meio ambiente pressiona a sociedade como um todo para a uma mudança rumo a hábitos mais sustentáveis. No setor produtivo, o impulso se dá pelo desenvolvimento de técnicas mais eficientes de produção, embasados em pesquisas e experimentos de campo. No setor florestal, além da preocupação com a técnicas de manejo e com o solo, o principal recurso a ser preservado é a água. Por meio do monitoramento de rios em bacias hidrográficas, séries históricas são coletadas, possibilitando o uso da teoria de séries temporais para ajuste de modelos pela metodologia Box e Jenkins. Em casos de monitoramentos de microbacias pareadas, existe a possibilidade de se comparar séries temporais, como descrito no presente trabalho. Em duas microbacias pareadas localizadas na região centro-leste do estado do Paraná, em uma fazenda no município de Telêmaco Borba, dados correspondendo a duas séries temporais distintas de vazão específica foram coletados. Devido a presença de falhas nos conjuntos de dados, uma metodologia para imputação foi utilizada de duas maneiras diferentes, possibilitando a posterior comparação das duas séries temporais pela metodologia de séries temporais. De acordo com os resultados...

Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa; Recurrent neural networks for prediction of short and long memory time series

Daniel Takata Gomes
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 18/11/2005 PT
Relevância na Pesquisa
66.6%
É de grande interesse o estudo de previsão de séries temporais, ou seja, conseguir identificar características do processo num ponto futuro. Para isso, é necessário estimar com precisão, ou pelo menos com uma boa aproximação, o processo gerador dos dados. Nos últimos anos, modelos de redes neurais artificiais vêm desempenhando um papel crescente na abordagem e solução de problemas estatísticos importantes. A estrutura mais básica de rede neural, as redes progressivas ou feedforward, sem retroalimentação, têm se mostrado uma alternativa vantajosa, em alguns casos, em relação aos modelos lineares tradicionais. No entanto, algumas séries apresentam características que permitem introduzir algum tipo de realimentação na rede. Tal rede chamada de rede neural recorrente, ferramenta ainda pouco explorada pela comunidade estatística. São dois os principais objetivos da dissertação. Primeiro, o estudo de redes neurais recorrentes para predição de séries temporais, o que compreende sua fundamentação teórica, principais arquiteturas e algoritmos de aprendizagem e sua implementação computacional. Segundo, estudo comparativo da performance preditiva dessas redes para séries temporais, tanto no caso de séries temporais de memória curta quanto de memória longa...

Mineração de series temporais de dados de sensores; Mining sensor time series

Leonardo Elias Mariote
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 25/04/2008 PT
Relevância na Pesquisa
66.59%
Redes de sensores têm aumentado a quantidade e variedade de dados temporais disponíveis. Com isto, surgiram novos desafios na definição de novas técnicas de mineração, capazes de descrever características distintas em séries temporais. A literatura correlata endereça problemas diversos, como indexação, classificação, definição de vetores de características e funções de distâncias mais eficazes. No entanto, a maioria dos trabalhos atuais tem como objetivo descrever e analisar os valores de uma série temporal, e não sua evolução. Além disto, vários fenômenos requerem uma análise mais elaborada, capaz de relacionar várias grandezas. Tal tipo de análise não pode ser realizada pela maioria das técnicas existentes hoje. Esta dissertação apresenta uma técnica que descreve séries temporais sob uma premissa diferente - a de caracterizar a oscilação das séries e não seus valores propriamente ditos. O novo descritor apresentado - TID ES (TIme series oscillation D EScriptor) - utiliza os coeficientes angulares de uma segmentação linear da curva que representa a evolução das . séries analisadas, em múltiplas escalas. Com isso, permite a comparação e a mineração de séries utilizando várias granularidades...

Modelos lineares generalizadas para series temporais com memoria longa; Generalized linear models for long memory time series

Cristiano Amancio Vieira Borges
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 29/01/2010 PT
Relevância na Pesquisa
66.58%
A modelagem de séries temporais não gaussianas é um tema de alta relevância na análise de séries temporais. Utilizando-se de estimação por verossimilhança parcial, Kedem e Fokianos (2002) estenderam sistematicamente a metodologia dos Modelos Lineares Generalizados (MLG) para séries temporais em que tanto a série de interesse quanto as covariáveis são estocasticamente dependentes. Entretanto, a análise estatística de séries com memória longa (ML), seja na resposta ou nas covariáveis, não é discutida em detalhes. O primeiro objetivo desta dissertação é investigar, através de simulações, as propriedades dos estimadores de máxima verossimilhança parcial dos coeficientes do MLG quando utilizado para séries temporais com ML. O segundo objetivo consiste em um estudo sobre a qualidade das previsões obtidas para vários modelos ajustados a dados de séries com ML, utilizando a metodologia proposta por Kedem e Fokianos (2002). Os modelos considerados nesta dissertação são modelos para séries de contagens, séries binárias e séries categóricas ordinais. Finalmente, as metodologias são ilustradas através de aplicações em conjuntos de dados reais de finanças e de poluição do ar; Non-gaussian time series modeling is a high relevance issue of time series analysis. Kedem and Fokianos (2002) have used partial likelihood estimation to extend the Generalized Linear Models (GLM) methodology systematically to time series where the response and covariate data are both stochastically dependent. However...

O uso de quase U-estatísticas para séries temporais uni e multivaridas; The use of quasi U-statistics for univariate and multivariate time series

Marcio Valk
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 22/02/2011 PT
Relevância na Pesquisa
66.6%
Classificação e agrupamento de séries temporais são problemas bastante explorados na literatura atual. Muitas técnicas são apresentadas para resolver estes problemas. No entanto, as restrições necessárias, em geral, tornam os procedimentos específicos e aplicáveis somente a uma determinada classe de séries temporais. Além disso, muitas dessas abordagens são empíricas. Neste trabalho, propomos métodos para classificação e agrupamento de séries temporais baseados em quase U-estatísticas(Pinheiro et al. (2009) e Pinheiro et al. (2010)). Como núcleos das U-estatísticas são utilizadas métricas baseadas em ferramentas bem conhecidas na literatura de séries temporais, entre as quais o periodograma e a autocorrelação amostral. Três situações principais são consideradas: séries univariadas; séries multivariadas; e séries com valores aberrantes. _E demonstrada a normalidade assintética dos testes propostos para uma ampla classe de métricas e modelos. Os métodos são estudados também por simulação e ilustrados por aplicação em dados reais.; Classifcation and clustering of time series are problems widely explored in the current literature. Many techniques are presented to solve these problems. However...

Serial Annotator : managing annotations of time series = Serial Annotator: gerenciando anotações em séries temporais; Serial Annotator : gerenciando anotações em séries temporais

Felipe Henriques da Silva
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 10/06/2013 PT
Relevância na Pesquisa
66.59%
Séries temporais são sequências de valores medidos em sucessivos instantes de tempo. Elas são usadas em diversos domínios, tais como agricultura, medicina e economia. A análise dessas séries é de extrema importância, fornecendo a especialistas a capacidade de identificar tendências e prever possíveis cenários. A fim de facilitar sua análise, especialistas frequentemente associam anotações com séries temporais. Tais anotações também podem ser usadas para correlacionar séries distintas, ou para procurar por séries específicas num banco de dados. Existem muitos desafios envolvidos no gerenciamento destas anotações - desde encontrar estruturas adequadas para associá-las com as séries, até organizar e recuperar séries através das anotações associadas a estas. Este trabalho contribui para o trabalho em gerenciamento de séries temporais. Suas principais contribuições são o projeto e desenvolvimento de um arcabouço para o gerenciamento de múltiplas anotações associadas com uma ou mais séries em um banco de dados. Este arcabouço também fornece meios para o controle de versão das anotações, de modo que os estados anteriores de uma anotação nunca sejam perdidos. Serial Annotator é uma aplicação desenvolvida para a plataforma Android. Ela foi usada para validar o arcabouço proposto e foi testada com dados reais envolvendo problemas do domínio agrícola.; Time series are sequences of values measured at successive time instants. They are used in several domains such as agriculture...

Análise das características de ruído em séries temporais GPS

Moreira, Ricardo José Santos
Fonte: Universidade de Lisboa Publicador: Universidade de Lisboa
Tipo: Dissertação de Mestrado
Publicado em //2013 POR
Relevância na Pesquisa
66.64%
Tese de mestrado em Engenharia Geográfica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2013; A presença de ruído em séries temporais produz efeitos significativos sobre as incertezas das velocidades baseadas nessas séries e é, por isso, importante contabilizar o ruído existente numa série, de forma a avaliar a magnitude do seu efeito, relacionando as incertezas com as amplitudes de ruído. As séries temporais apresentam fontes de erros que evidenciam a presença de ruído branco juntamente com ruído colorido (temporalmente correlacionado). Este estudo avaliou as características do ruído de um conjunto de 55 séries temporais de posições semanais estimadas a partir de dados obtidos com o Sistema de Posicionamento Global (GPS - Global Positioning System), de estações localizadas em Portugal e Espanha. Para caracterizar o ruído presente nas séries temporais foram utilizados diversos modelos de ruído e combinações de modelos de ruído, que permitiram estudar e comparar os processos de ruído estocásticos em séries temporais contínuas, apontar qual o melhor modelo ou combinação que descreve o ruído presente nas séries observadas e simultaneamente determinar incertezas mais próximas da realidade para a velocidade da estação. As amplitudes de ruído das séries temporais obtidas para cada uma das componentes indicaram que a combinação de ruído branco com ruído rosa é a que melhor descreve o ruído presente na série...

Detecção de correlação e causalidade em séries temporais não categóricas

Falcão, António Jorge Teixeira
Fonte: Faculdade de Ciências e Tecnologia Publicador: Faculdade de Ciências e Tecnologia
Tipo: Dissertação de Mestrado
Publicado em //2012 POR
Relevância na Pesquisa
66.62%
Dissertação de Mestrado em Engenharia Informática; As séries temporais estão presentes em múltiplos domínios do nosso quotidiano – áreas tão distintas como a astronomia, geofísica, economia, medicina, entre outras. As tecnologias de informação actuais têm a capacidade de gerar grandes quantidades de dados, representando séries temporais. Para extrair informação, e consequentemente gerar conhecimento, a partir de uma quantidade tão vasta de dados, torna-se necessário recorrer a técnicas para automatizar a análise destes dados de uma forma exequível e eficiente. Com esta tese pretende-se contribuir especificamente para a análise de séries temporais não categóricas, mais concretamente de valores numéricos reais, com um conjunto de ferramentas que auxiliem na detecção de correlações entre múltiplas séries temporais e na detecção de possíveis periodicidades existentes. Para além dos métodos conhecidos de correlação, desenvolveu-se uma variante aplicada à detecção de picos nas séries de modo a lidar com determinados tipos de parâmetros, com resultados muito positivos. No âmbito da tese, foi também desenvolvida uma metodologia de modo a determinar relações de causalidade entre variáveis. Esta permite detectar situações de causa-efeito a partir de séries temporais não categóricas. Esta dissertação fica assim a focar duas partes; uma onde se aborda o tema da correlação entre séries temporais...

Modelos híbridos baseados em redes neurais, lógica fuzzy e busca para previsão de séries temporais

Cristine Brasileiro Valença, Ivna; Bernarda Ludermir, Teresa (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
66.56%
As pesquisas relacionadas à previsão de séries temporais têm sido uma área de bastante interesse nas últimas décadas. Várias técnicas têm sido pesquisadas para a previsão de séries temporais. Este trabalho propõe métodos híbridos, com a finalidade de tentar representar o complexo fenômeno de previsão de séries temporais do mundo real. A gênese do estudo é baseada no conceito sobre o qual, diferentes partes da série temporal podem ser resultantes de diferentes processos físicos que ocorrem na natureza e necessitam, portanto, de diferentes modelagens. A dissertação divide-se em duas etapas. Na primeira, são propostos mais dois sistemas híbridos (BH + MLP e BMT + MLP) para a seleção das variáveis de entradas para os modelos de previsão. Na segunda, são propostas dois métodos híbridos (SOM + MLP e MLP + Fuzzy) para o processo de previsão de séries temporais. Para realizar o estudo comparativo entre as técnicas, dez séries temporais do mundo real foram utilizadas. No que diz respeito à seleção de variáveis os resultados mostraram que a utilização do sistema híbrido Busca pela Memória Temporal e Redes Neurais (BMT + MLP) foi capaz de encontrar um subconjunto de variáveis representativo para o problema. Dos resultados obtidos pode-se concluir que a seleção de variáveis ocorreu de forma bastante satisfatória com a utilização da Busca Harmônica e Redes Neurais...

Uma nova metodologia híbrida inteligente para a previsão de séries temporais

Alessandro Espínola Ferreira, Tiago; Crispim Vasconcelos, Germano (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
66.6%
Neste trabalho é realizado um estudo sistemático para a resolução do problema de previsão de séries temporais com a utilização de técnicas de Inteligência Artificial. Inicialmente, modelos de Box & Jenkins são aplicados para a previsão de séries temporais para a geração de um padrão de referência. São investigadas então técnicas da Inteligência Artificial mais comumente encontradas na literatura, como redes neurais artificiais e algoritmos genéticos, bem como um sistema híbrido inteligente resultante da união destas duas técnicas. Observando as deficiências e os pontos fortes das metodologias estudadas, foi desenvolvido um novo método para a previsão de séries temporais, the Time-lag Added Evolutionary Forecasting (TAEF) Method, combinando redes neurais artificiais, um algoritmo genético modificado, um mecanismo de busca evolutiva pela dimensionalidade mínima necessária para a reconstrução do espaço de fase gerador da série, e um procedimento de pós-processamento para a determinação da fase da previsão gerada. Experimentos extensivos realizados com o Método TAEF com séries temporais de natureza, complexidade e características de comportamento diversificadas, comprovam a eficiência e robustez do método proposto. Tendo sido testado em um conjunto de oito séries temporais...

Análise das séries temporais de parasitemia de pacientes com malária usando a técnica de agrupamento superparamagnético

Caroline Albuquerque da Silva, Priscila; Maria Zorzenón dos Santos, Rita (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
66.58%
Apesar de todos os esforços das últimas décadas para desenvolver melhores estratégias de controle e vigilância, a malaria é uma das doenças infecciosas mais fatais matando mundialmente em média dois indivíduos por minuto. A malária é causada por 4 diferentes espécies do protozoário plasmódio dos quais o mais nocivo e letal é o Plasmodium falciparum. As drogas antimaláricas desenvolvidas até o momento para controlar a população do mosquito ou a proliferação do parasita e sintomas da malária mostram eficiência limitada devido `a habilidade de ambos, mosquito e parasita, desenvolverem resistência `as drogas. Para melhorar a vigilância e controle da malária é importante compreender a dinâmica de interação entre o parasita e o hospedeiro humano e porque os indivíduos infectados que vivem em áreas endêmicas não desenvolvem imunidade contra o parasita após múlltiplas exposições. Nesta tese n´os estudamos alguns aspectos do ciclo sangu´ıneo da mal´aria em hospedeiros humanos agrupando diferentes comportamentos das series temporais de parasitemia (contagem di´aria de parasitas) de pacientes com mal´aria obtidos a partir de um estudo de cohorts realizado nos EUA na d´ecada de 50. Na verdade estes pacientes eram pacientes neurosifil´ıticos que foram submetidos a malarioterapia para serem curados. Os 193 pacientes que foram tratados com diferentes drogas antimaláricas através de diferentes protocolos foram analisados separadamente dos 79 pacientes que não foram submetidos a qualquer tratamento. Neste trabalho...

Extração e Representação de Conhecimento de Séries Temporais de Demanda de Energia Elétrica Usando TSKR

Queiroz, Alynne Conceição Saraiva de
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
66.57%
The opening of the Brazilian market of electricity and competitiveness between companies in the energy sector make the search for useful information and tools that will assist in decision making activities, increase by the concessionaires. An important source of knowledge for these utilities is the time series of energy demand. The identification of behavior patterns and description of events become important for the planning execution, seeking improvements in service quality and financial benefits. This dissertation presents a methodology based on mining and representation tools of time series, in order to extract knowledge that relate series of electricity demand in various substations connected of a electric utility. The method exploits the relationship of duration, coincidence and partial order of events in multi-dimensionals time series. To represent the knowledge is used the language proposed by Mörchen (2005) called Time Series Knowledge Representation (TSKR). We conducted a case study using time series of energy demand of 8 substations interconnected by a ring system, which feeds the metropolitan area of Goiânia-GO, provided by CELG (Companhia Energética de Goiás), responsible for the service of power distribution in the state of Goiás (Brazil). Using the proposed methodology were extracted three levels of knowledge that describe the behavior of the system studied...

Modelo integrado de mineração de dados para análise de séries temporais de preços de indicadores agroeconômicos.; Data mining model for analysis of prices indices Agroeconomic time series.

Corrêa, Fernando Elias
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 27/11/2014 PT
Relevância na Pesquisa
66.65%
Um dos principais setores da economia brasileira, o agronegócio envolve uma série de negociações dentro de toda a cadeia produtiva. Instituições de pesquisa como o CEPEA (Centro de Estudos Avançados em Economia Aplicada), da ESALQ/USP, coletam diariamente dados sobre diversos produtos agropecuários, gerando informações para agentes de diferentes categorias interessados no acompanhamento desses mercados, entre eles pesquisadores, produtores e formuladores de políticas públicas. O uso desses dados para realização de análises históricas integradas com análises atuais de mercado, porém, ainda é um desafio, dada a falta de uma padronização e a necessidade de identificação de técnicas computacionais adequadas. O objetivo desta tese é organizar as informações agroeconômicas consolidadas por meio de modelos de Data Mining e estatísticos para gerar análises integradas de relações entre as séries temporais, compreendendo produtos, mercados e o tempo, baseando-se nos dados obtidos pelo CEPEA em 7 anos de coleta diária de preços. As técnicas propostas para o modelo de análise integrada compreendem séries temporais para a projeção de trajetórias temporais e reconhecimento de padrões temporais. Especificamente para as trajetórias temporais...

Implementação de técnicas de análise e de previsão de séries temporais a sistemas de radiação solar

Pinheiro, Olga Maria Neto Dias Constante
Fonte: Universidade de Trás-os-Montes e Alto Douro Publicador: Universidade de Trás-os-Montes e Alto Douro
Tipo: Tese de Doutorado
POR
Relevância na Pesquisa
66.56%
Tese de Doutoramento em Engenharia Eletrotécnica e de Computadores; O trabalho de doutoramento desenvolvido “Implementação de técnicas de análise e de previsão de séries temporais a sistemas de energia solar ” insere-se nas correntes atualmente emergentes, que apontam para o desenvolvimento de técnicas de previsão mais adequadas à determinação da evolução das cargas térmicas em edifícios e da evolução da irradiação incidente disponível em centrais de produção fotovoltaica, entre outras aplicações. Nesta tese é realizado um estudo comparativo de diversos modelos e algoritmos para previsão do comportamento futuro de séries temporais, analisando-se o desempenho das diversas técnicas implementadas. Objectivamente, serão aplicados e comparados algoritmos evolutivos, redes neuronais, algoritmos baseados em lógica difusa e métodos de regressão linear e não linear de aproximação à previsão de séries temporais para diversos casos de estudo com o objectivo de desenvolver e implementar, uma formulação matemática e/ou computacional, para vários sistemas dinâmicos. Uma vez estabelecida a formulação adequada, irão comparar-se os algoritmos propostos sob os pontos de vista de adequabilidade e robustez das previsões e da facilidade de implementação computacional à resolução do problema de previsão da irradiação solar. Da análise aos resultados obtidos com os vários modelos de previsão da radiação solar desenvolvidos...

Projeção de séries temporais por meio de um método híbrido wavelet-neural integrado com bootstrap

Teixeira, Levi Lopes
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Tese de Doutorado Formato: 107 f. : il. algumas color., tabs.; application/pdf
PORTUGUêS
Relevância na Pesquisa
66.59%
Orientador : Prof. Dr. Paulo Henrique Siqueira; Coorientador : Prof. Dr. Luiz Albino Teixeira Junior; Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 27/08/2015; Inclui referências : f. 98-107; Área de concentração : Programação matemática; Resumo: Nesta tese de doutorado, é proposto um novo método híbrido wavelet-neural integrado com um amostrador bootstrap para projeção pontual e intervalar de séries temporais estocásticas. Basicamente, combinam-se os métodos de encolhimento e de decomposição Wavelet no pré-processamento dos dados e, em seguida, uma Rede Neural Artificial (RNA) é usada para produzir as de previsões pontuais. A medida de incerteza do modelo RNA é obtida com a utilização de uma amostragem bootstrap dos resíduos do modelo RNA ajustado à série temporal subjacente. A fim de se obter o intervalo de confiança, calculou-se a média ponderada das previsões de B séries temporais oriundas do processo bootstrap, sendo os pesos determinados via otimização de um problema de programação não linear cuja função objetivo é a minimização da raiz quadrada do erro quadrático médio entre a combinação linear das B previsões e a série temporal subjacente. Além do intervalo de confiança...