Os avanços na Tecnologia da Informação e a proliferação de itens de consumo, entre outros aspectos, mudaram o cenário e o desempenho das previsões. Os processos de previsão devem ser reexaminados, estabelecendo mecanismos de comunicação formais que compartilhem a informação entre os diferentes níveis hierárquicos dentro da organização, eliminando ou reduzindo o desconforto das previsões paralelas e desconexas oriundas de níveis hierárquicos diferentes. O objetivo deste trabalho é propor um sistema de apoio à decisão baseado em métodos matemáticos e sistemas de informação, capaz de integrar as previsões de vários níveis hierárquicos de uma empresa por um repositório de dados (Data Warehouse ou DW) e um Sistema de Apoio à Decisão (SAD) com sistema Business Intelligence (BI), onde os níveis hierárquicos acessem as informações com o nível de detalhe apropriado dentro do processo de decisão, alinhado às expectativas corporativas de crescimento. Assim, a modelagem realizada neste trabalho teve como foco a geração de cenários para criar um sistema de apoio à decisão, prevendo demandas agregadas e individuais, gerando uma estrutura de integração entre as previsões feitas em diferentes níveis e alinhando valores oriundos de métodos quantitativos e julgamento humano. Uma das maiores preocupações foi verificar qual método (séries temporais, métodos causais) teria destaque em um processo integrado de previsão. Entre os diferentes testes efetuados, pode-se destacar os seguintes resultados: (1) a suavização exponencial tripla proporcionou melhor ajuste (dos dados passados) de séries históricas de demandas mais agregadas e proporcionou previsões mais precisas de representatividades agregadas. Para séries históricas de demanda individual e representatividade individual, os outros métodos comparados apresentaram desempenho muito próximo; (2) a criação de diferentes cenários de previsão, fazendo uso de um repositório de dados e sistema de apoio à decisão, permitiu análise de uma gama de diferentes valores futuros. Uma forma de simulação para apoiar a formulação das expectativas da diretoria foi adaptada da literatura e sugerida; (3) os erros de previsão nas abordagens top-down ou bottom-up são estatisticamente iguais no contexto desta pesquisa. Conclui-se que o método de suavização exponencial tripla traz menos erros às previsões de séries mais agregadas, se comparado com outros métodos abordados no trabalho. Esse fato está de acordo com asserções encontradas na literatura pesquisada de que o método de suavização exponencial é cada vez mais utilizado na previsão, em detrimento dos métodos causais como a regressão múltipla. Conclui-se, principalmente, que os sistemas SAD e BI propostos deram suporte aos vários níveis hierárquicos, proporcionando variedades de estilos de decisão e que podem diminuir o hiato entre o raciocínio qualitativo adotado em nível estratégico e o aspecto quantitativo mais comum em níveis operacionais em qualquer empresa. / Advances in Information Technology (IT), and the increase of consumption items, among other things, changed the performance in the forecasts predictions. It is not uncommon that organizations will perform parallel forecasts within the various hierarchical levels without communicating with each other. The objective of this work is to build an integrated \"infrastructure\" for forecasting through a repository of data (Data Warehouse or DW) and a Decision Support System (DSS) with Business Intelligence (BI) where the hierarchical levels have access to the information with the appropriate level of detail within the process, aligned to the corporate growth expectations. The modeling in this work focused in the generation of scenarios to create a decision support system, predicting individual and aggregate demand, create a structure for integrating and aligning the estimated forecast generated by quantitative and qualitative methods. After a series of experimental tests, main results found were: (1) triple exponential smoothing provided the best fit using historical aggregated demand, and provided a more precise estimate of aggregate representation. For historical series of individual demand and individual representation, the other methods used for comparison performed similarly; (2) the creation of different scenarios for prediction, using data repository and decision support system, allowed for analysis of a range of different future values. The simulation to support management expectations has been adapted from the literature; (3) the prediction errors in the top-down and bottom-up approaches are statistically the same in the context of this research. In conclusion, the method of triple exponential smoothing has fewer errors in the forecasts of aggregated series when compared to other methods discussed in this work. Moreover, the DSS and BI systems provided decision-making support to the various hierarchical levels, reducing the gap between qualitative and quantitative decision processes thus bridging the strategic and operational decision making processes.

O presente estudo tem como objetivo avaliar a expansão da mancha urbana através da análise multitemporal dos índices BUILT-UP e NDBI calculados a partir de imagens de sensores remotos. A técnica de votação será explorada para, a partir de uma análise multitemporal, aprimorar a qualidade do mapeamento da área urbanizada. Paralelamente mapas coropléticos da população total residente são analisados para, em conjunto com a interpretação dos mapas oriundos da técnica de votação, subsidiarem a discussão sobre a relação entre a expansão das áreas construídas relacionadas não ao Rodoanel Mário Covas (SP-21) mas as rodovias que o interceptam. As explorações da aplicação do método de votação obtiveram resultados satisfatórios e apontaram que é de suma importância a heterogeneidade das mesmas para seus resultados serem aprimorados, além da importância da aquisição das imagens em períodos chuvosos a fim de manter a diferenciação do solo exposto com as áreas urbanas. / The present study aims to evaluate the expansion of the urban spot through the multitemporal analysis of BUILT-UP and NDBI indices calculated from remote sensor images. The voting technique was explored in order to improve the quality of mapping of the urbanized area, based on a multitemporal analysis. At the same time, maps of the total resident population are analyzed in order to support the discussion of the relationship between the expansion of the built-up areas related to the Mário Covas Roadway (SP-21) and the highways that intercept him. Based on the results obtained, it was possible to observe that the urban sprawl is related not to the Rodoanel but like highways that intercept it. The explorations of the application of the voting method obtained satisfactory results and pointed out that the heterogeneity of the subtitles for their results and improved, as well as the importance of the acquisition of the images in rainy periods in order to maintain the difference between exposed soil and urban areas.

Resumo não disponível

Neste trabalho buscamos evidências, para o caso brasileiro, da Hipótese da Renda Permanente. Primeiro, investigamos a existência de tendências e ciclos comuns entre as séries de consumo e renda per capita. Então, usando o resultado de co-movimentos entre as variáveis decompomos cada série em tendência e ciclo, através dos modelos de componentes não observados de Harvey (1989). Por fim, usando os modelos de vetores autorregressivos, decompomos a variância dos erros de previsão, seguindo a metodologia de Blanchard e Quah (1989), com o objetivo de avaliarmos a importância relativa dos choques permanentes e transitórios para as variações do consumo. Os resultados apontam que as inovações permanentes são responsáveis pela maior parte das variações no consumo. Este resultado embora rejeite a Hipótese da Renda Permanente, indica que o consumo responde pouco a variações transitórias na renda, ou seja, os choques temporários têm pouca importância para o consumo.

Neste trabalho analisamos processos de longa dependência com parâmetro fracionário variando no tempo. Estes processos exibem dois comportamentos de longa dependência distintos: até uma certa observação k, o parâmetro de longa dependência do processo tem valor A partir da observação k + 1, este parâmetro assume um valor d(2). Propomos neste trabalho um estimador para localizar o ponto de mudança de regime k. Apresentamos simulações de Monte Cario para as estimações dos parâmetros k, (i(1) e 5 = d(2) - d(1). / In this work we analyze long memory processes with fractional parameter varying in time. These processes show two long memory behaviors: until a certain observation k, the fractional parameter of the process has d(1) value. From the observation fc + 1, this parameter takes the ri(2) value. In this work we propose an estimator to locate the regime-change point k. We present Monte Cario simulations for estimation of the parameters k, ri(1) and = ^(2) _ (^(1).

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-25T18:22:30Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5) / Made available in DSpace on 2016-01-25T18:22:30Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5) Previous issue date: 2014-08-29 / CAPES / O Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos. / Brazil has a large wind potential to be exploited, currently, there is a great expansion of this source of generation, primarily in northeastern Brazil, where winds have an important feature of complementarity with the flows San Francisco River. However, due to the uncertainty associated with the available power, the improvement in short-term forecasting tools is a key factor for system operation, helping to facilitate the sale of electricity, control of wind farms and provide an estimate for future Local determined. This work is a contribution to the average speeds hourly forecast models of the winds, to the forecasting horizon of one to four hours, using the Artificial Neural Networks, Neuro-Fuzzy systems and Reservoir Computing as methods of artificial intelligence and speed variables average wind, humidity, solar radiation and temperature as inputs for forecasting models. The results obtained for predictions with some proposed models, showed gains of about 50% compared to the reference model, confirming the efficiency of the developed models.

Orientador: Andre Luiz Morelato França / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-22T06:09:06Z (GMT). No. of bitstreams: 1 Leite_FranciscoEugeniodeAndrade_M.pdf: 11362735 bytes, checksum: 7b4325fb2b502d8eb9109b7975f11710 (MD5) Previous issue date: 1997 / Resumo: Este trabalho apresenta três modelos NARX utilizando redes neurais artificiais para previsão de carga nodal ativa e reativa, tendo em vista a posterior previsão do estado do sistema através do uso de um algoritmo de fluxo de carga, com a finalidade de poder estudar a segurança de operação do sistema para um perfil de carga futuro. Os dois primeiros modelos são implementados utilizando-se uma rede de perceptrons de múltiplas camadas estática e o terceiro modelo é implementado utilizando uma rede de perceptrons com filtros FIR em suas sinapses para permitir processamento temporal. Para cada um dos modelos, diferentes tamanhos de conjunto de treinamento e de topologia da rede neural foram testados, bem como vários tipos de variáveis de entrada para o modelo NARX, a fim de verificar qual a melhor resposta em termos de precisão. Nos testes foram utilizados dados reais de carga de várias subestações. Neste estudo, verificou-se que uma única rede neural estática usada para tratar todos os dias da semana apresentou o melhor resultado de previsão, sendo que a previsão de potência reativa apresentou um resultado pior do que a de potência ativa. Observou-se ainda que o erro de previsão do ângulo de tensão nas barras apresenta elevada sensibilidade em relação ao erro de previsão da potência ativa e que o erro na previsão da tensão nodal (tanto magnitude quanto ângulo) apresenta pequena sensibilidade em relação ao erro de previsão da potência reativa / Abstract: This work presents three artificial neural network NARX models for bus load active and reactive power forecasting. The predicted injections can be used as inputs to a load flow to obtain the forecasted bus states aiming to perform security analysis in a future operating point. The first two models considered were implemented with a static Multilayer Perceptron Network (MLP) and the third model was implemented using a FIR neural network for temporal processing. For each one of the above models, different sizes of training sets and neural network topologies were tested, as well as distinct choices of neural networks input variables, in order to check the accuracy of prediction. Measured real data concerning several substations were used to test the models. As a result, the study shows that one single neural MLP network model for all days of the week give the least active and reactive power forecast error and that the active power prediction is more accurate than the reactive power one. It was also observed that the state angle forecasting shows a high sensitivity to the active power prediction error and that the voltage (magnitude and phase) prediction error shows a low sensitivity to the reactive power prediction error / Mestrado / Mestre em Engenharia Elétrica

Orientador : Dalton Soares Arantes / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-28T02:23:38Z (GMT). No. of bitstreams: 1 Castro_MariaCristinaFelippettode_D.pdf: 7036136 bytes, checksum: ac2626550f2acae380f0cad07f5982ee (MD5) Previous issue date: 2001 / Resumo: Esta tese apresenta uma nova técnica de predição não-linear de séries temporais através de redes neurais artificiais do tipo Radial Basis Function, com atribuição dos centros Gaussianos das funções de base radial por decomposição do espaço de dados em sub-espaços. A decomposição em sub-espaços - ou decomposição em componentes principais - é baseada na Transformada Karhunen-Loeve. A predição obtida através da parametrização da rede neural via decomposição em sub-espaços resulta em um menor erro de predição e requer o conhecimento de um menor número de amostras prévias do que as técnicas de predição convencionais. Adicionalmente é apresentada uma possível solução para o problema de adaptar dinamicamente a arquitetura da rede neural às não­estacionariedades presentes em muitas séries temporais / Abstract: This thesis proposes a new technique for non-linear time series forecasting based upon Radial Basis Function Neural Networks and the Karhunen-Loeve Transform. A significant performance improvement is obtained with the novel technique in comparison with usual prediction methods. By obtaining the neural network centers from the data set sub-spaces - or data set principal components - the new method yields lower prediction error and requires less previous known samples than the usual technique that applies the own training set vectors to the centers. Additionally we present a possible solution to the problem of dynamically adapting the neural network architecture to the time-varying series statistics / Doutorado / Doutor em Engenharia Elétrica

Submitted by Fernanda Rodrigues de Lima (fernanda.rlima@ufpe.br) on 2018-10-03T19:56:52Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Alexandre Soares Ramos.pdf: 2710588 bytes, checksum: 8be38cdcc1321d3316efb780e25a7d4b (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-11-14T16:26:06Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Alexandre Soares Ramos.pdf: 2710588 bytes, checksum: 8be38cdcc1321d3316efb780e25a7d4b (MD5) / Made available in DSpace on 2018-11-14T16:26:07Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Alexandre Soares Ramos.pdf: 2710588 bytes, checksum: 8be38cdcc1321d3316efb780e25a7d4b (MD5) Previous issue date: 2010-03-15 / CNPq / A tomada de decisão em um ambiente envolvendo incerteza é um problema que data dos primórdios da civilização. Atualmente, uma das áreas mais desenvolvidas em termos de metodologia de análise do comportamento do mercado sob incerteza é o setor financeiro. A análise de evolução dos preços de ações tem demandado o uso de um instrumental analítico fortemente fundamentado e que envolve a utilização de instrumental quantitativo bastante avançado. Os avanços recentes no estado da arte na área da econometria e as controvérsias com os resultados teóricos da Economia, demandou e ainda demanda, uma aobrdagem multidisciplinar para a análise de dados fazendo surgir a criação de novos modelos, em particular, para séries financeiras. Como os modelos tradicionais usados isoladamente, mesmo os não lineares, não apresentam resultados satisfatórios em todos os períodos analisados, uma forma sugerida em muitos casos é combinar modelos para aproveitar as melhores capacidades de previsão de cada um deles, pretendendo com isso, captar os principais parâmetros determinantes da dinâmica das séries temporais. Nesta tese é proposto a utilização de um sistema híbrido, baseado em Redes Neurais Artificiais (RNA) e Modelos econométricos não-lineares, para realizar previsões com o intuito de se conseguir um melhor resultado com esses modelos quando comparados aos modelos isolados. O objetivo do trabalho é investigar quais modelos fornecem a melhor qualidade de previsão, as limitações desses modelos e se os mesmos têm aplicações práticas quando aplicados a previsões de séries temporais. Como resultado, foi possível concluir que o modelo combinado se ajusta melhor aos dados reais do que os modelos individuais, fato este comprovado através da comparação das diferentes medidas de performance. Por exemplo, no caso da série de preços das ações da Petrobras, o erro quadrático médio (MSE) do modelo combinado é reduzido em 40% quando comparado ao MSE do melhor dos modelos estudados. No conjunto das séries não-financeiras, o MSE do modelo combinado para a série de emissão de CO₂ apresentou uma redução de 65% quando comparado ao MSE do modelo ARIMA que para a presente série foi o modelo individual com melhor performance. Usou-se o MSE como exemplo pois o MSE é a medida mais utilizada pela sua facilidade de cálculo e por ser uma métrica encontrada em praticamente todos os pacotes computacionais que trabalham com estatística e RNAs, facilitando assim a comparação dos resultados. De uma forma geral temos sete parâmetros de comparação entre os modelos em sete séries de teste. Assim temos 49 resultados dos parâmetros de comparação. Em 35 resultados o modelo combinado é o melhor dos três, ou seja, para as séries em teste, em 71,4% das vezes o modelo combinado é o melhor. Em 42 resultados o modelo combinado aparece como o melhor resultado, ou seja, para as séries em teste, em 85,7% das vezes o modelo combinado é melhor ou tão bom quanto o das RNAs. Enquanto isso, o modelo RNA aparece apenas 7 vezes (14,3%) como o melhor resultado e 13 vezes (26,5% ) das vezes como melhor ou tão bom quanto o modelo Combinado. O Modelo de Box&Jenkins só apresenta um resultado como sendo o melhor na série de CO₂, na medida BIC. Assim, verifica-se que entre os modelos e dentre essas séries, o modelo Combinado é o mais adequado a se utilizar. Logo, podemos afirmar que, em algumas situações, esses modelos híbridos fornecem melhores resultados quando comparados aos modelos econométricos tradicionais ou mesmo aos modelos puros de Redes Neurais geralmente utilizados para se fazer previsões. / Decision making under uncertainty is a problem that has existed since the dawn of civilization. Currently, the financial sector is one of the most advanced in terms of methodological analysis of market behavior under uncertainty. The analysis of evolution of stock prices has required the use of a quantitative analytical tools strongly based. Recent advances in the state of the art in the area of econometrics and controversies with the theoretical results of the Economy have demanded and still demand a multidisciplinary approach to data analysis, creating the creation of new models, particularly for financial series. As the traditional models used alone, even non-linear ones, do not present satisfactory results in all the analyzed periods, a suggested way in many cases is to combine models to take advantage of the best predictive capacities of each one of them, intending to capture the main parameters that determine the dynamics of the time series. This thesis proposes to use a hybrid system based on Dynamic Artificial Neural Networks (DANN) and non-linear econometric models to make predictions, in order to achieve a better result. The objective of this study is to investigate which models provide the highest quality prediction, the limitations of these models and whether they have practical applications when applied to forecasts financial series. As a result, it was concluded that, in some cases, the combined model fits the data better than the actual individual models, a fact confirmed by comparing the different measures of performance. For example, in the series of stock prices of Petrobras, the mean square error (MSE) of the combined model is reduced by 40% compared to the MSE of the best studied individual model. In the group of non-financial series, the MSE of the combined model for the CO₂ emission has fallen by 65% compared to the MSE of the ARIMA model for which this series was the individual model with better performance. The MSE was used as an example because the MSE is the most used measure for its ease of calculation and for being a metric found in almost all the computational packages that work with statistics and RNAs, thus facilitating the comparison of the results. In general we have seven parameters of comparison between the models in seven test series. Thus we have 49 results of the comparison parameters. In 35 results the combined model is the best of the three, that is, for the series under test, at 71.4 % of the time the combined model is the best. In 42 results the combined model appears as the best result, that is, for the series under test, at 85.7 % of the time the combined model is better or as good as the RNAs. Meanwhile, the RNA model appears only 7 times (14.3 %) as the best result and 13 times (26.5 %) of the times as better or as good as the Combined model. The Box&Jenkins Model only shows one result as being the best in the CO₂ series, in BIC measurement. Thus, it is verified that among the models and among these series, the Combined model is the most suitable to be used. Thus, we can say that, in some situations, these hybrid models provide better results when compared to traditional econometric models or even the pure models of neural networks generally used to make predictions.

Orientador: Mauricio Enrique Zevallos Herencia / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-08-11T01:10:13Z (GMT). No. of bitstreams: 1 Santos_BrunoReisdos_M.pdf: 1935776 bytes, checksum: f3579f38b051dcbc18a4a0f79c2d6ab2 (MD5) Previous issue date: 2008 / Resumo: Nesta dissertação é discutido o uso da metodologia de diagnóstico de Influência Local em modelos de séries temporais. Especificamente, serão estudados os modelos autoregressivos de ordem um, os modelos de regressão com erros autoregressivos de ordem um e modelos de longa-memória. As medidas de influência local consideradas são: Inclinação de Billor e Loynes e Curvatura de Cook. As principais contribuições nesta dissertação são duas. Primeiro, a utilização da metodologia de limiares (benchmarks) nos modelos mencionados para determinar se uma observação é influente. Isto permite ter uma ferramenta estatística para identificar pontos influentes a diferença da simples análise exploratória que é o mais comum na literatura. Como segunda contribuição, serão obtidas as expressões para o cálculo das medidas de Inclinação de Billor e Curvatura de Cook nos modelos ARFIMA. Finalmente, as metodologias descritas são ilustradas através de dados simulados e da análise de dados reais / Abstract: This work is about Time Series Diagnostics using Local Influence. Specifically, firstorder autoregressive models, regression models with first-order autoregressive errors and long-memory models are studied. In order to assess Local Influence two statistics are considered: the Slope of Billor and Loynes and Cook¿s Curvature. The main contributions are two. First, apply a methodology based on benchmarks calculated by simulation on the aforementioned models for determining influential observations. This permits to have a statistical tool to identify influential points instead of the simple exploratory analysis, which is the most common device in the literature. Second, expressions for Billor and Loynes Slope and Cook¿s Curvature in ARFIMA models are derived. Finally, all methodologies are illustrated using simulated data and the analysis of real data / Mestrado / Series Temporais / Mestre em Estatística