A necessidade de antecipar e identificar variações de acontecimentos apontam para uma nova direção nos mercados de bolsa de valores e vem de encontro às análises das oscilações de preços de ativos financeiros. Esta necessidade leva a argumentar sobre novas alternativas na predição de séries temporais financeiras utilizando métodos de aprendizado de máquinas e vários modelos têm sido desenvolvidos para efetuar a análise e a previsão de dados de ativos financeiros. Este trabalho tem por objetivo propor o desenvolvimento de um modelo de previsão adaptativo baseado em um sistema SVR-wavelet híbrido, que integra modelos de wavelets e Support Vector Regression (SVR) na previsão de séries financeiras. O método consiste na utilização da Transformada de Wavelet Discreta (DWT) a fim de decompor dados de séries de ativos financeiros que são utilizados como variáveis de entrada do SVR com o objetivo de prever dados futuros de ativos financeiros. O modelo proposto é aplicado a um conjunto de ativos financeiros do tipo Foreign Exchange Market (FOREX), Mercado Global de Câmbio, obtidos a partir de uma base de conhecimento público. As séries são ajustadas gerando-se novas predições das séries originais, que são comparadas com outros modelos tradicionais tais como o modelo Autorregressivo Integrado de Médias Móveis (ARIMA), o modelo Autorregressivo Fracionário Integrado de Médias Móveis (ARFIMA), o modelo Autorregressivo Condicional com Heterocedasticidade Generalizado (GARCH) e o modelo SVR tradicional com Kernel. Além disso, realizam-se testes de normalidade e de raiz unitária para distribuição não linear, tal como testes de correlação, para constatar que as séries temporais FOREX são adequadas para a comprovação do modelo híbrido SVR-wavelet e posterior comparação com modelos tradicionais. Verifica-se também a aderência ao Expoente de Hurst por meio da estatística de Reescalonamento (R/S). / The necessity to anticipate and identify changes in events points to a new direction in the stock exchange market and reaches the analysis of the oscillations of prices of financial assets. This necessity leads to an argument about new alternatives in the prediction of financial time series using machine learning methods. Several models have been developed to perform the analysis and prediction of financial asset data. This thesis aims to propose the development of SVR-wavelet model, an adaptive and hybrid prediction model, which integrates wavelet models and Support Vector Regression (SVR), for prediction of Financial Time Series, particularly Foreign Exchange Market (FOREX), obtained from a public knowledge base. The method consists of using the Discrete Wavelets Transform (DWT) to decompose data from FOREX time series, that are used as SVR input variables to predict new data. The series are adjusted by generating new predictions of the original series, which are compared with other traditional models such as the Autoregressive Integrated Moving Average model (ARIMA), the Autoregressive Fractionally Integrated Moving Average model (ARFIMA), the Generalized Autoregressive Conditional Heteroskedasticity model (GARCH) and the traditional SVR model with Kernel. In addition, normality and unit root tests for non-linear distribution, and correlation tests, are performed to verify that the FOREX time series are adequate for the verification of SVR-wavelet hybrid model and comparison with traditional models. There is also the adherence to the Hurst Exponent through the statistical Rescaled Range (R/S).

Ecossistemas marinhos de upwelling são muito heterogêneos e apresentam uma intensa atividade de mesoescala de dimensão de dezenas de quilômetros e submesoescala que variam de centenas de metros até quilômetros dos processos físicos. A importância das estruturas dos processos físicos está na estruturação que eles exercem sob a biomassa de zooplâncton. O presente trabalho está relacionado a um estudo realizado a cabo no Norte do Sistema da Corrente de Humboldt (Peru). Utilizou-se duas variáveis, a profundidade do limite superior da zona de mínimo oxigênio (ZMO) e a biomassa de zooplâncton. É desenvolvida uma metodologia de análise baseada no uso de ondaletas para a identicação das estruturas dos processos físicos em suas diferentes escalas. O método foi aplicado aos dados de ZMO. Estudos de simula ção mostraram que o método tem a capacidade de identicar as estruturas de interesse, tendo erro de estimação nas bordas do espectro da potência de ondaleta. A tipologia das estruturas identicadas mostraram que existe três tipos de estruturas, estruturas maiores de mesoescala, duas estruturas pequenas de submesoescala com profundidades diferentes. Outro resultado importante foi que dentro das estruturas pequenas e mais profundas existe maior biomassa de zooplâncton, principalmente nas estruturas de downwelling. / Marine upwelling ecosystems are very heterogeneous and have intense physical processes of mesoscale, of tens of kilometers, and submesoscale, ranging from hundreds of meters to kilometers. The importance of the structures of the physical processes is the rol they play in structuring the biomass of zooplankton. This work was carried out in northern Humboldt Current System (Peru). Two variables were used: the depth of the upper limit of the oxygen minimum zone (ZMO) and biomass of zooplankton. In this work we developed an analysis method based on wavelet analysis for identication and extraction of structures of physical processes at their dierent scales. The method was applied to the ZMO data. Simulation studies showed that the method has the ability to identify the structures of interest with estimation errors in the boundaries of the power spectrum of the wavelet. A typology of the structures give us three large and very energetic structures corresponding to mesoscale processes, and two other small ones of dierent depths corresponding to submesoscale processes. Another important result was that within the smaller and deeper structures there is more biomass of zooplankton, especially in downwelling structures.

Neste trabalho, é apresentado um modelo aperfeiçoado para gerar carregamentos dinâmicos pseudo-aleatórios para modelos estruturais sob excitação sísmica e de vento. Este é baseado no modelo de vento sintético proposto por Franco, diferindo pelo fato que usa a transformada de wavelet harmônica ao invés da série de Fourier, pois tem como objetivo descrever um comportamento não estacionário com a ajuda de uma função temporal. Para testar a qualidade do sinal desenvolvido neste trabalho, este foi comparado com sinais verdadeiro, das acelerações de sismos ocorrido na cidade de Hachinohe, no Japão e em El-centro, na Califórnia, e com um sinal gerado pelo modelo do sismo sintético de Corbani, este também baseado no modelo de vento sintético, com o uso de séries de Fourier. Em todas as análises feitas, foi mostrando que embora a geração de carregamentos com transformadas de wavelet harmônica seja mais complexa, esta possui um bom potencial para gerar carregamentos mais próximos da realidade do que métodos usuais baseados em carregamentos estacionários. / In this work is intruduced a improve model to create random loads to use in structural models under sismic and wind disturbance. The model is based on synthetic wind model intends by Franco, differing by the fact that applies harmonic wavelet transform instead of Fourier series, because it has the goal to describe a non stationary behavior with temporal function support. To test the quality from the signal developed in this work, it has been analyzed against true seismic acceleration signal that occurs from Hachinohe city in Japan and El-centro city in California, and with the synthetic seismic model developed by Corbani, that one descending on synthetic wind model, with Fourier series application. In all analysis, although loading creation with harmonic wavelet transform have been more sophisticated, that one has a great potencial to creat loading closer to the fact than usual methods based in stationary loading.

Neste trabalho, desenvolveu-se um novo método para a detecção e classificação dos distúrbios que afetam a qualidade de energia elétrica em sistemas elétricos industriais na presença de fornos elétricos a arco. Durante o processo de fusão dos fornos elétricos a arco, ocorrem diversos eventos que afetam o sistema elétrico ao qual estão inseridos, tendo como características: forma de onda do sinal de corrente altamente desequilibradas e com grande distorção devido aos harmônicos, efeitos de cintilação; bem como afundamento e elevação nos sinais de tensão. O método ora proposto foi aplicado a sinais reais, permitindo a detecção e classificação dos distúrbios múltiplos na forma de onda do sinal de tensão, proveniente da operação dos fornos elétricos a arco. Para tal, foi usada como base do algoritmo, uma técnica baseada na Transformada Wavelet, aplicada aos sinais não-estacionários de uma instalação industrial com três fornos elétricos a arco. / A new method for the detection and classification of the disturbances that affect the electric power quality in industrial electric systems with electric arc furnaces was developed in this work. During the fusion process of the electric arc furnaces, may occur several events that affect the electric system to which it is inserted may occur, having as characteristic: waveform of the signal of current highly unbalanced and with great distortion due to the harmonic, scintillation effects; as well as sag and swell in the voltage signals.The method proposed was applied to real signals, allowing the detection and classification of the multiple disturbances in the waveform of the voltage signal originating from the operation of the electric arc furnace. For this purpose, a technique based on Wavelet Transform will be used and applied to the not-stationary signals of an industrial installation with three electric arc furnaces.

Neste trabalho, desenvolveu-se um novo método para a detecção e classificação dos distúrbios que afetam a qualidade de energia elétrica em sistemas elétricos industriais na presença de fornos elétricos a arco. Durante o processo de fusão dos fornos elétricos a arco, ocorrem diversos eventos que afetam o sistema elétrico ao qual estão inseridos, tendo como características: forma de onda do sinal de corrente altamente desequilibradas e com grande distorção devido aos harmônicos, efeitos de cintilação; bem como afundamento e elevação nos sinais de tensão. O método ora proposto foi aplicado a sinais reais, permitindo a detecção e classificação dos distúrbios múltiplos na forma de onda do sinal de tensão, proveniente da operação dos fornos elétricos a arco. Para tal, foi usada como base do algoritmo, uma técnica baseada na Transformada Wavelet, aplicada aos sinais não-estacionários de uma instalação industrial com três fornos elétricos a arco. / A new method for the detection and classification of the disturbances that affect the electric power quality in industrial electric systems with electric arc furnaces was developed in this work. During the fusion process of the electric arc furnaces, may occur several events that affect the electric system to which it is inserted may occur, having as characteristic: waveform of the signal of current highly unbalanced and with great distortion due to the harmonic, scintillation effects; as well as sag and swell in the voltage signals.The method proposed was applied to real signals, allowing the detection and classification of the multiple disturbances in the waveform of the voltage signal originating from the operation of the electric arc furnace. For this purpose, a technique based on Wavelet Transform will be used and applied to the not-stationary signals of an industrial installation with three electric arc furnaces.

Os modelos ARFIMA de memória longa mostraram-se nesse trabalho mais versáteis à análise da persistência em séries temporais em comparação aos modelos ARIMA. As funções impulso-resposta dos modelos de integração fracionária indicam que essa classe de modelos capta mais adequadamente as informações contidas nas baixas freqüências das séries e, portanto, estes modelos são mais capacitados para avaliar como os choques econômicos são acomodados no médio e longo prazo. Os estudos simulatórios mostraram que os testes de raiz unitária aplicados a processos com memória longa possuem baixo poder, e que os estimadores por máxima verossimilhança e os baseados no espectro de ondaletas são eficientes para estimar o parâmetro de integração fracionária. Os estudos empíricos encontraram componentes altamente persistentes nas séries brasileiras do produto, desemprego e consumo. A análise de co-integração fracionária refutou os resultados do arcabouço I(1)-I(0) que sugerem a não co-integração entre as séries consumo das famílias e renda disponível. A variabilidade relativa dessas séries foi analisada por meio da análise em multiresolução de ondaletas. Concluiu-se que, nas baixas escalas, a variabilidade entre as séries varia em função da escala temporal envolvida. A doutrina da paridade do poder de compra com dados brasileiros foi revisitada por meio da análise de co-integração fracionária. / The long-memory ARFIMA models proved to be more versatile in this study to the analysis of endurance in time series compare to the ARIMA models. The impulse-response functions of the fractionally integrated models indicate that this class of models more adequately gathers the data enclosed in the low frequencies of the series and thus these models are more befitted to evaluate how economic shocks are settled in the medium and long terms. Simulation studies unveiled that the unit root tests applied to long-memory processes have low power, and that the maximum likelihood estimators as well as those based on wavelet spectrum are efficient in estimating the fractional difference parameter. Empirical studies have found highly persistent components in the Brazilian series of the product, unemployment and consumption. The fractional co-integration analysis rebutted the results of the I(1)-I(0) framework, which suggest the non co-integration between the series of families\' consumption and the disposable income. The relative variability of these series was investigated through a wavelet multiresolution analysis. It was concluded that, in small scales, the variability between the series changes according to the time scale involved. The Purchasing Power Parity doctrine with Brazilian data has been revisited through the fractional co-integration analysis.

Os modelos ARFIMA de memória longa mostraram-se nesse trabalho mais versáteis à análise da persistência em séries temporais em comparação aos modelos ARIMA. As funções impulso-resposta dos modelos de integração fracionária indicam que essa classe de modelos capta mais adequadamente as informações contidas nas baixas freqüências das séries e, portanto, estes modelos são mais capacitados para avaliar como os choques econômicos são acomodados no médio e longo prazo. Os estudos simulatórios mostraram que os testes de raiz unitária aplicados a processos com memória longa possuem baixo poder, e que os estimadores por máxima verossimilhança e os baseados no espectro de ondaletas são eficientes para estimar o parâmetro de integração fracionária. Os estudos empíricos encontraram componentes altamente persistentes nas séries brasileiras do produto, desemprego e consumo. A análise de co-integração fracionária refutou os resultados do arcabouço I(1)-I(0) que sugerem a não co-integração entre as séries consumo das famílias e renda disponível. A variabilidade relativa dessas séries foi analisada por meio da análise em multiresolução de ondaletas. Concluiu-se que, nas baixas escalas, a variabilidade entre as séries varia em função da escala temporal envolvida. A doutrina da paridade do poder de compra com dados brasileiros foi revisitada por meio da análise de co-integração fracionária. / The long-memory ARFIMA models proved to be more versatile in this study to the analysis of endurance in time series compare to the ARIMA models. The impulse-response functions of the fractionally integrated models indicate that this class of models more adequately gathers the data enclosed in the low frequencies of the series and thus these models are more befitted to evaluate how economic shocks are settled in the medium and long terms. Simulation studies unveiled that the unit root tests applied to long-memory processes have low power, and that the maximum likelihood estimators as well as those based on wavelet spectrum are efficient in estimating the fractional difference parameter. Empirical studies have found highly persistent components in the Brazilian series of the product, unemployment and consumption. The fractional co-integration analysis rebutted the results of the I(1)-I(0) framework, which suggest the non co-integration between the series of families\' consumption and the disposable income. The relative variability of these series was investigated through a wavelet multiresolution analysis. It was concluded that, in small scales, the variability between the series changes according to the time scale involved. The Purchasing Power Parity doctrine with Brazilian data has been revisited through the fractional co-integration analysis.

Neste trabalho, é apresentado um modelo aperfeiçoado para gerar carregamentos dinâmicos pseudo-aleatórios para modelos estruturais sob excitação sísmica e de vento. Este é baseado no modelo de vento sintético proposto por Franco, diferindo pelo fato que usa a transformada de wavelet harmônica ao invés da série de Fourier, pois tem como objetivo descrever um comportamento não estacionário com a ajuda de uma função temporal. Para testar a qualidade do sinal desenvolvido neste trabalho, este foi comparado com sinais verdadeiro, das acelerações de sismos ocorrido na cidade de Hachinohe, no Japão e em El-centro, na Califórnia, e com um sinal gerado pelo modelo do sismo sintético de Corbani, este também baseado no modelo de vento sintético, com o uso de séries de Fourier. Em todas as análises feitas, foi mostrando que embora a geração de carregamentos com transformadas de wavelet harmônica seja mais complexa, esta possui um bom potencial para gerar carregamentos mais próximos da realidade do que métodos usuais baseados em carregamentos estacionários. / In this work is intruduced a improve model to create random loads to use in structural models under sismic and wind disturbance. The model is based on synthetic wind model intends by Franco, differing by the fact that applies harmonic wavelet transform instead of Fourier series, because it has the goal to describe a non stationary behavior with temporal function support. To test the quality from the signal developed in this work, it has been analyzed against true seismic acceleration signal that occurs from Hachinohe city in Japan and El-centro city in California, and with the synthetic seismic model developed by Corbani, that one descending on synthetic wind model, with Fourier series application. In all analysis, although loading creation with harmonic wavelet transform have been more sophisticated, that one has a great potencial to creat loading closer to the fact than usual methods based in stationary loading.

O objetivo deste estudo foi investigar os padrões de distribuição de energia e as propriedades espectrais dos principais músculos de membro inferior de diabéticos neuropatas durante a marcha, utilizando a análise de wavelet. Foram coletados dados de EMG de superfície (bipolar) dos músculos tibial anterior, vasto lateral e gastrocnêmio medial no ciclo da marcha em 21 pacientes diabéticos diagnosticados com neuropatia periférica, e 21 indivíduos não- diabéticos. A energia do sinal e freqüência foram comparados entre os grupos no ciclo da marcha e em cada faixa de freqüência (7-542Hz), utilizando testes t. A Análise de Componentes Principais foi utilizada para avaliar as diferenças entre os padrões eletromiográficos de diabéticos e não-diabéticos. Os indivíduos diabéticos exibiram menores energias nas menores frequências para todos os músculos, e energias mais altas nas maiores frequências nos músculos extensores do membro inferior. Os pacientes também apresentaram menor energia de gastrocnêmio medial e uma maior energia de vasto lateral comparado aos não diabéticos, e este último achado sugere uma estratégia para compensar o déficit dos extensores de tornozelo para impulsionar o corpo na marcha. Os resultados mostram, de maneira geral, uma mudança na estratégia neuromuscular dos pacientes diabéticos, sugerindo que os principais músculos extensores do membro inferior adaptam a sua resposta a fim de produzir a energia necessária para realizar essa tarefa, a do andar / The aim of this study was to investigate lower limb muscle\'s energy patterns and spectral properties of diabetic neuropathic individuals during gait cycle using wavelet approach. Bipolar surface EMG of tibialis anterior, vastus lateralis and gastrocnemius medialis were acquired in the whole gait cycle in 21 diabetic patients already diagnosed with peripheral neuropathy, and 21 non-diabetic individuals. The signal´s energy and frequency were compared between groups in the whole gait cycle and in each frequency band (7-542Hz) using t tests. Principal component analysis was used to assess differences between diabetic and non-diabetic EMG patterns. The diabetic individuals displayed lower energies in lower frequency bands for all muscles and higher energies in higher frequency bands in the extensors\' muscles. They also showed lower energy of gastrocnemius and a higher energy of vastus, and this last finding suggests a strategy to compensate the ankle extensor deficit to propel the body forward. The overall results suggest a change in the neuromuscular strategy of diabetic patients, suggesting that the main extensor muscles of the lower limb adapt their response to produce the energy necessary to accomplish the walking task

O diagnóstico de eventos que afetam a qualidade da energia elétrica tem se tornado preocupação de magnitude mundial, em especial em dois temas importantes que são: a localização relativa da origem do evento (LROE) e a classificação automática da causa fundamental de eventos (CACFE). O primeiro está relacionado com a identificação da fonte do evento, isto é, a montante ou a jusante do medidor de qualidade de energia (MQE). O segundo pode ser dividido em dois grupos: a classificação das causas internas e das causas externas. As causas internas estão relacionadas a eventos produzidos pela operação do sistema elétrico (energização ou desenergização do sistema, energização de transformador, chaveamento de capacitores dentre outros), e as causas externas estão vinculadas a eventos produzidos por faltas externas ao sistema elétrico (contato com galhos de árvore, animais, descargas atmosféricas, dentre outros). Ambos os temas, LROE e CACFE, são abordados nesta tese de doutorado. Para classificar eventos por causas internas ou externas é necessário antes definir se realmente trata-se ou não de um evento, para o qual é imprescindível conhecer a LROE. Este último necessita de um processo de segmentação das formas de onda de tensão e corrente para funcionar de forma correta. A segmentação identifica segmentos transitórios e não transitórios nas formas de onda e contribui também na extração de características para os diferentes algoritmos de classificação. Neste sentido, neste trabalho de pesquisa é proposta uma metodologia de diagnóstico da qualidade de eventos, focada em LROE e CACFE. Para isto foram desenvolvidos diferentes algoritmos de segmentação, extração de características e classificação, sendo criada uma ferramenta computacional em MatLab® que inclui pré-processamento de sinais de tensão e corrente de um banco de dados real fornecido por uma concessionária do Estado de São Paulo. Além disto, foram propostos novos algoritmos de LROE com resultados satisfatórios quando comparados com outros dois disponíveis na literatura científica. Para as causas internas, dois novos índices são propostos para separar eventos produzidos por faltas e energização de transformadores. Finalmente, são propostos novos algoritmos de extração de características baseados na energia dos coeficientes de decomposição da transformada wavelet bem como o algoritmo à trous modificado. São propostos dois novos vetores de descritores de energia (VDE) baseados no primeiro segmento transitório do evento. Para a classificação destes eventos foi utilizado um algoritmo de indução de regras de decisão (CN2), que gera regras de simples implementação. Todos os métodos de classificação utilizados nesta tese estão baseados em regras, sendo seu desempenho avaliado por meio da matriz de confusão. / Diagnosing events that affect power quality have become a worldwide concern, especially with respect to two important issues related to the relative location of the event origin (RLEO) and automatic cause classification of events (ACCE). The first one is related to the identification of the event source, i.e. either upstream or downstream in relation to the power quality meter (PQM). The second one can be subdivided into two groups, namely the classification of internal causes and of external causes. Internal causes are related to events produced by power system operation (connection or disconnection of feeders, power transformer inrush, capacitor switching, amongst others) and external causes that are related to events produced by external faults to the power system (network contacts to tree branches, animals contact, atmospheric discharges, amongst others). Both topics, RLEO and ACCE, are herein considered. In order to classify events due to internal or external causes, one should first define whether it is an actual event, what demands the RLEO. This makes use of a segmentation process applied to the voltage and current waveforms. The segmentation identifies the transient and stationary segments within the waveforms, contributing also to the feature extraction for different classification algorithms. Based on the aforementioned, this research proposes a methodology to diagnose power quality events, focusing on RLEO and ACCE. Different algorithms of segmentation, feature extraction and classification were then developed by the use of a computational tool implemented in MatLab®, that considers also the preprocessing of voltage and current signals in a real data base which was made available by a distribution company in Sao Paulo State. Besides that, new RLEO algorithms have shown satisfactory results when compared to algorithms published in the scientific literature. As for the internal causes, two new indices were proposed in order to separate events produced by faults or by the connection of power transformers. New algorithms for feature extraction are proposed, which are based on the energy of decomposition coefficients of the wavelet transform as well as the modified à trous algorithm. Two vectors of energy descriptors are proposed, which are based on the first transient segment of the event. The classification of such events was carried out by an induction algorithm of decision rules (CN2), that generates easily implementable rules. All classification methods utilized in this thesis are based on rules and their performances are assessed by the confusion matrix.