Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The accelerated process of technological innovation has provided changes in work organization, and it shows therefore an expansion on work overload, resulting in a high number of accidents. Considering the importance of the issue and the possibility of contribution about it, this study aimed to analyze the types of labour accidents, in Southern Brazil, from 2008 to 2013, according to sociodemographic and temporal characteristics, besides using the Box-Jenkins method to assess the evolution and forecast the number of accidents. Were considered the records made available by DATAPREV on Historical Database of the Statistical Yearbook of Social Security. The descriptive analysis was performed by gender and age group, besides the comparison of the number of accidents between the years considering the economic activities and elements of the ICD-10. To adjust the time series models and calculation of forecasts, it was used the Box-Jenkins methodology. The characterization of labour accidents allowed identify the following scenario: the state of Rio Grande do Sul presented in absolute terms, the largest quantities of industrial accidents, followed by Paraná. Typical accidents were the most frequent, indicating that the vast majority of workplace accidents occur in the workplace. Moreover, these accidents occur mostly among men and workers under 34 years old. Among the models found in this research, all of them showed seasonal component, except those regarding the number of labour accidents by disease in Santa Catarina and Paraná, which had only components of moving averages and autoregressive, respectively, as well as an integration component. It was concluded that, when using the time series methodology it is possible to obtain an important support of orientation and encouragement to the monitoring data related to labour accidents. It is noteworthy that, although the databases can present filling deficiencies, is important that let there be permanent disclosure of this informations in order to sensitize the institutions involved to achieve continuous qualification of this source of knowledge about the profile of labour accident. / O acelerado processo de inovação tecnológica tem proporcionado mudanças na organização laboral, e nota-se, assim, uma ampliação na sobrecarga de trabalho, acarretando um número elevado de acidentes. Considerando a importância do tema e a possibilidade de contribuição sobre ele, este estudo teve como objetivo analisar os tipos de acidentes do trabalho, na região Sul do Brasil, de 2008 a 2013, segundo características sociodemográficas e temporais, além de utilizar o método de Box-Jenkins para avaliar a evolução e previsão do número de acidentes. Foram considerados os registros disponibilizados pelo DATAPREV, na Base de Dados Históricos do Anuário Estatístico da Previdência Social. Foi realizada uma análise descritiva, por sexo e por faixa etária, além da comparação do número de acidentes entre os anos, considerando as atividades econômicas e os elementos da CID-10. Para o ajuste dos modelos de séries temporais e cálculo das previsões, foi utilizada a metodologia de Box-Jenkins. A caracterização dos acidentes do trabalho permitiu identificar o seguinte cenário: o estado do Rio Grande do Sul apresentou, em termos absolutos, as maiores quantidades de acidentes do trabalho, seguido por Paraná. Os acidentes típicos foram os mais frequentes, indicando que a grande maioria dos acidentes do trabalho ocorre dentro do ambiente de trabalho. Além disso, estes acidentes ocorrem em sua maior parte, entre homens e em trabalhadores com menos de 34 anos de idade. Dentre os modelos encontrados nesta pesquisa, todos apresentaram componente sazonal, exceto aqueles referentes ao número de acidentes do trabalho por doença em Santa Catarina e Paraná, que apresentaram apenas componentes de médias móveis e autorregressivas, respectivamente, além de uma componente de integração. Concluiu-se que, ao se utilizar a metodologia de séries temporais pode-se obter um importante suporte de orientação e apoio para o monitoramento de dados referentes aos acidentes do trabalho. Destaca-se que, embora as bases de dados possam apresentar deficiências de preenchimento, é importante que haja a divulgação permanente dessas informações, a fim de sensibilizar as instituições envolvidas para alcançar a qualificação contínua dessa fonte de conhecimento sobre o perfil de acidentes do trabalho.

Universidade Federal do Cearà / Neste estudo, pretende-se determinar um modelo de previsÃo mensal de curto prazo para a receita de ISSQN de Teresina. Para evidenciar este propÃsito servirÃo de suporte matemÃtico os modelos VAR e Box-Jenkins, a partir de sÃries histÃricas concernentes ao perÃodo de janeiro de 2002 a dezembro de 2006. ApÃs a estimaÃÃo dos modelos, propÃe-se um diagnÃstico para mensurar a capacidade inicialmente preditiva. Dentre os modelos manipulados temos o SARIMA (12,1,1)(0,0,12) o qual antecipadamente demonstrou ser mais robusto em relaÃÃo ao modelo VAR. Oportunamente à discussÃo de outras nuances internas ou à margem do trabalho, conclui-se que, o modelo com sÃries temporais, em funÃÃo de sua capacidade preditiva, pode se transformar em um instrumental consistente com vistas ao incremento da arrecadaÃÃo do ISSQN da Prefeitura de Teresina. / In this study, It is intended to determine a short-run monthly forecasting model for the ISSQN of Teresina city. In order for this purpose to be clear, the models VAR and Box-Jenkins will be of mathematical support, from historical series concerning the period of January 2002 to December 2006. After the estimation of the models, it is proposed a diagnosis to measure the initially predictive capacity. Among the models manipulated, we have SARIMA (12,1,1)(0,0,12), which has resulted most robust in advance concerning the VAR model. Propitiously to other internal or marginal nuances to the study, it is concluded, preliminarily, that the time series model due to its predictive capacity can become a consistent instrument targeting at the augment of the ISSQN collecting of Teresina City Administration.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The analysis of macro-economic variables through time-series models is widely used in the literature supporting economic theory, showing the actual behaviour of these variables. One of these macroeconomic variables have two variables that interfere with eou has relationships with other variables justifying the relevance in studying their behaviors. The first is the interest rate, which is very important in driving the economy, influencing the intention to spend and save of all economic agents, whether personal, commercial or industrial level (State or private). The second is the exchange rate, where its buoyancy determines the level of imports and exports affecting the trade balance. In this context the present research aims to describe the behavior of SELIC interest rates and Brazilian Exchange from January 1974 to June 2012 and January 1980 to may 2012, respectively. To this end, at first was used the Box-Jenkins model where the models showed through the analysis of residues which both had conditional heteroscedasticity in the waste of the models. Then joint modeling was used to the level of the process and the process variance (ARCH family models). The results showed that, for the SELIC interest rate series, the model selected was an ARIMA (1,1,1)-EGARCH (3,1) and, to the exchange rate, an ARIMA (0,1,1)-EGARCH (1,1). It is evidenced through these models that there is asymmetry of information, yet there was the leverage effect. In a second moment was chosen a model representing each one of the models of family ARCH (ARCH, GARCH, TARCH, EGARCH) and later held the combination of prediction by methods: ACP, middle and MMQO. The results obtained show that, in General, the performance measures MAPE, MSE and U-THEIL are superior to the combinations of prediction. In addition, the combination of forecast for different weights with ACP to check which of the types of weights provide better results. Therefore, it is concluded that the different weights allow the researcher to achieve greater accuracy in the choice of models combined, allowing aid managers in prior decision of the behavior of these variables that affect so scathing the health of the Brazilian economy. / A análise de variáveis macroeconômicas por meio de modelos de séries temporais é amplamente utilizada na literatura dando suporte à teoria econômica, mostrando o real comportamento dessas variáveis. Dentre essas variáveis macroeconômicas tem-se duas variáveis que interferem e/ou tem relações com outras variáveis justificando-se assim a relevância em estudar seus comportamentos. A primeira é a taxa de juros, que é muito importante na condução da economia, influenciando a intenção de gastar e poupar de todos os agentes econômicos, seja no nível pessoal, comercial ou industrial (privado e/ou estatal). A segunda é a taxa de câmbio, onde sua flutuação determina o nível das importações e exportações afetando assim a balança comercial. Nesse contexto a presente pesquisa tem como objetivo descrever o comportamento das taxas de juros SELIC e câmbio brasileiras no período de janeiro de 1974 a junho de 2012 e de janeiro de 1980 a maio de 2012, respectivamente. Para tanto, num primeiro momento foi utilizada a modelagem Box-Jenkins onde os modelos evidenciaram por meio da análise de resíduos que ambos possuíam heterocedasticidade condicional nos resíduos dos modelos. Em seguida, utilizou-se a modelagem conjunta para o nível do processo e para a variância do processo (modelos da família ARCH). Os resultados obtidos mostraram que, para a série da taxa de juros SELIC, o modelo elegido foi um ARIMA (1,1,1)- EGARCH (3,1) e, para a taxa de câmbio, um ARIMA (0,1,1)- EGARCH (1,1). Evidencia-se por meio destes modelos que há assimetria das informações, contudo não se verificou o efeito de alavancagem. Num segundo momento foi escolhido um modelo representando cada um dos modelos da família ARCH (ARCH, GARCH, EGARCH, TARCH) e posteriormente realizada a combinação de previsão pelos métodos: ACP, Média e MMQO. Os resultados obtidos evidenciam que, no geral, as medidas de desempenho MAPE, MSE e U-THEIL são superiores para as combinações de previsão. Além disso, foi realizada a combinação de previsão por ACP com ponderações diferentes para verificar qual dos tipos de ponderações propiciam resultados melhores. Logo, conclui-se que as diferentes ponderações permitem ao pesquisador conseguir maior acurácia na escolha dos modelos combinados, permitindo auxiliar gestores na decisão prévia do comportamento dessas variáveis que afetam de maneira contundente a saúde da economia brasileira.

Orientadores: Christiano Lyra Filho, Romis Ribeiro de Faissol Attux / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-24T05:06:09Z (GMT). No. of bitstreams: 1 Siqueira_HugoValadares_D.pdf: 10867937 bytes, checksum: 512652380d6dd25b8717bfd5c8f5f0f8 (MD5) Previous issue date: 2013 / Resumo: Este trabalho explora a possibilidade de aplicação de arquiteturas de redes neurais artificiais - redes neurais de estado de eco (ESN) e máquinas de aprendizado extremo (ELM) - aqui denominadas coletivamente por máquinas desorganizadas (MDs), para a previsão de séries de vazões. A previsão de vazões é uma das etapas fundamentais no planejamento da operação dos sistemas de energia elétrica com predominância hidráulica, como é o caso brasileiro. Os modelos mais comumente utilizados para previsão de vazões pelo Setor Elétrico Brasileiro (SEB) são baseados na metodologia Box & Jenkins, lineares, sobretudo modelos periódicos auto-regressivos (PAR). Todavia, técnicas mais abrangentes, que alcancem melhores desempenhos, vêm sendo investigadas. Destacam-se as redes neurais artificiais, sobretudo arquiteturas do tipo perceptron de múltiplas camadas (MLP), muito conhecidas por serem aproximadores universais com elevada capacidade de aprendizado e mapeamento não-linear, características desejáveis para solução do problema em questão. Por outro lado, as máquinas desorganizadas têm apresentado resultados promissores na previsão de séries temporais. Estes modelos têm um processo de treinamento simples, baseado em encontrar os coeficientes de um combinador linear; em particular, não precisam fazer ajuste dos pesos de sua camada intermediária, ao contrário das redes MLP. Por isso, este trabalho investigou as MDs do tipo ESN e ELM, versões recorrente e não-recorrente, respectivamente, para previsão de vazões médias mensais. Serão avaliadas também três técnicas para retirada da componente sazonal característica destas séries ¿ médias móveis, padronização e diferenças sazonal ¿ além da exploração de técnicas de seleção de variáveis do tipo filtro e wrapper, no intuito de melhorar performance dos modelos preditores. Na maioria dos casos estudados, os resultados obtidos pelas MDs na previsão das séries associadas a importantes usinas hidrelétricas brasileiras - Furnas, Emborcação e Sobradinho - em cenários com horizontes variados, mostraram-se de melhor qualidade do que os obtidos pelo modelo PAR e as redes neurais MLPs / Abstract: This work explores the possibility of application of neural network architectures ¿ echo state networks (ESN) and extreme learning machines (ELM) ¿ collectively referred as unorganized machines (UMs), to seasonal streamflow series forecasting. Streamflow forecasting is one of the key steps in the planning of operation of power systems with hydraulic predominance, as in the Brazilian case. The models most commonly used to streamflow prediction by the Brazilian Electric Sector are based on the Box & Jenkins methodology, with linear and especially periodic autoregressive models. However, more extensive techniques that achieve better performances have been investigated to this task. We highlight artificial neural networks, especially architectures such as multilayer perceptron (MLP), known to be universal approximators with high learning ability skills ability to perform nonlinear mapping, desirable characteristics for the solution of this problem. On the other hand, unorganized machines have shown promising results in time series forecasting. These models have a simple training process, based on finding the coefficients of a linear combiner; they do not require adjustments in the weights of the hidden layer, which are necessary with MLP architecture. Therefore, this study investigated the UMs such as ESN and ELM, recurrent and nonrecurrent versions, respectively, to seasonal streamflow series forecasting. Three techniques to remove the seasonal component of streamflow series will also be evaluated - moving averages, standardization and seasonal differences. In addition, In order to improve the performance of predictive models techniques for variable selection, such as filters and wrappers, will also be explored. In the most cases, the computational results obtained by the UMs in streamflow series forecasting associated to important Brazilian hydroelectric plants - Furnas, Emborcação and Sobradinho - with scenarios including several horizons, presented better performance when compared to forecasting obtained with PAR models and MLPs / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation aims to build a set of tools based on mathematical models to assist a rural electrification cooperative in taking strategic decisions on investing in electrical generation in face of erratic and non-periodic future scenarios. Time series analysis using the Box-Jenkins methods for forecasting was employed to construct the models to predict future energy consumption. Qualitative analysis of future scenarios using Kohler method, that is suited to regional applications, was used. An heuristic approach with hierarchical levels was employed to define the parameters of a mathematical model for the application of integer linear programming at a lower level. This mathematical program was used to optimize the location of photovoltaic solar power plants within a transformer substation area and its branches to minimize disbursements in assets investments, and operations and maintenance costs. The model was tested in a cooperative with six substations, 572 branches, 7,574 cooperative members and a 2,737 km length network. In results obtained was SARIMA models (1,1,1) x (0,1,1) 12. In total, obtained an increase of 1.292 kW for the six substations in the next five years, representing a disbursement R$ 17,170,000.00 if the cooperative to chooses to build a photovoltaic solar power plant to meet this increase of consumption. / A presente dissertação tem por objetivo o desenvolvimento de um modelo de previsão pautando-se em um conjunto de ferramentas com base em modelos matemáticos que auxilie uma cooperativa de eletrificação rural na tomada de decisões estratégicas de investimentos em geração frente a cenários aperiódicos futuros. Como metodologia foi utilizada a análise de séries temporais com métodos de Box-Jenkins para a construção de modelos que foram utilizados na previsão de consumo energético. Análise qualitativa de cenários futuros utilizando a metodologia de Kohler adequada a aplicações regionalizadas. Utilizou-se uma abordagem heurística e em níveis hierárquicos para definição dos parâmetros de um modelo matemático, para aplicação de programação linear inteira. A programação matemática foi usada num nível hierárquico inferior para otimizar a localização de usinas geradoras de energia elétrica por painéis fotovoltaicos em áreas de subestações e ramais visando minimizar desembolsos em geração, manutenção distribuição e operação. O modelo foi testado numa cooperativa com seis subestações, 572 ramais, cerca de 7.574 cooperados e com uma extensão em redes de 2.737 km. Como resultados foram obtidos modelos SARIMA (1,1,1) x (0,1,1) 12. No total foram previstos um aumento de 1.292 kW para as seis subestações nos próximos cinco anos, o que representa um desembolso R$ 17.170.000,00 caso a cooperativa opte na construção de uma usina solar fotovoltaica para suprir este aumento de consumo.

Made available in DSpace on 2016-08-17T14:53:03Z (GMT). No. of bitstreams: 1 Jorge Farid Amate.pdf: 1076998 bytes, checksum: 7c54d6bc2833288f1945368aa6976936 (MD5) Previous issue date: 2009-02-06 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / In industrial processes, where parameters estimation and standard recognition are desired, digital filters technology is used to do estimation. The digital filter is responsible for prediction and filtering process. Then, the filter behavior can be analyzed based on performance, gains and others variables linked to the specified model. However, to obtain trusty variables and data to estimate the process in question, a model that represents well the physics plant is needed. To do this, are applied techniques based on Systems Identification where we obtain the ARX, ARMAX, Output-Error and Box-Jenkins models of the electrolytic pot. Results, validation and their analysis, applied in standard recognition, using different structures are presented. / Em processos industriais, onde deseja-se a estimação de parâmetros e reconhecimento de padrões, utiliza-se da tecnologia de filtros digitais para tal fim. O filtro digital é responsável pelo processo de predição e filtragem. Assim, pode-se fazer uma análise do comportamento do filtro baseada no desempenho, ganhos e outras variáveis ligadas ao modelo especificado. Porém, para obtenção de variáveis e dados confiáveis para estimar-se o processo em questão, necessita-se de um modelo que represente bem a planta física. Para isto, são aplicadas técnicas baseadas em Identificação de Sistemas, onde são obtidos os modelos ARX, ARMAX, Output-Error e Box-Jenkins da cuba eletrolítica. São apresentados os resultados, validações dos modelos e análise dos mesmos, aplicados ao reconhecimento de padrões, utilizando-se diferentes estruturas.

Cette thèse traite de l’identification de systèmes dynamiques à partir de données échantillonnées à pas variable. Ce type de données est souvent rencontré dans les domaines biomédical, environnemental, dans le cas des systèmes mécaniques où un échantillonnage angulaire est réalisé ou lorsque les données transitent sur un réseau. L’identification directe de modèles à temps continu est l’approche à privilégier lorsque les données disponibles sont échantillonnées à pas variable ; les paramètres des modèles à temps discret étant dépendants de la période d’échantillonnage. Dans une première partie, un estimateur optimal de type variable instrumentale est développé pour estimer les paramètres d’un modèle Box-Jenkins à temps continu. Ce dernier est itératif et présente l’avantage de fournir des estimées non biaisées lorsque le bruit de mesure est coloré et sa convergence est peu sensible au choix du vecteur de paramètres initial. Une difficulté majeure dans le cas où les données sont échantillonnées à pas variable concerne l’estimation de modèles de bruit de type AR et ARMA à temps continu (CAR et CARMA). Plusieurs estimateurs pour les modèles CAR et CARMA s’appuyant sur l’algorithme Espérance-Maximisation (EM) sont développés puis inclus dans l’estimateur complet de variable instrumentale optimale. Une version étendue au cas de l’identification en boucle fermée est également développée. Dans la deuxième partie de la thèse, un estimateur robuste pour l'identification de systèmes à retard est proposé. Cette classe de systèmes est très largement rencontrée en pratique et les méthodes disponibles ne peuvent pas traiter le cas de données échantillonnées à pas variable. Le retard n’est pas contraint à être un multiple de la période d’échantillonnage, contrairement à l’hypothèse traditionnelle dans le cas de modèles à temps discret. L’estimateur développé est de type bootstrap et combine la méthode de variable instrumentale itérative pour les paramètres de la fonction de transfert avec un algorithme numérique de type gradient pour estimer le retard. Un filtrage de type passe-bas est introduit pour élargir la région de convergence pour l’estimation du retard. Tous les estimateurs proposés sont inclus dans la boîte à outils logicielle CONTSID pour Matlab et sont évalués à l’aide de simulation de Monte-Carlo / The output of a system is always corrupted by additive noise, therefore it is more practical to develop estimation algorithms that are capable of handling noisy data. The effect of white additive noise has been widely studied, while a colored additive noise attracts less attention, especially for a continuous-time (CT) noise. Sampling issues of CT stochastic processes are reviewed in this thesis, several sampling schemes are presented. Estimation of a CT stochastic process is studied. An expectation-maximization-based (EM) method to CT autoregressive/autoregressive moving average model is developed, which gives accurate estimation over a large range of sampling interval. Estimation of CT Box-Jenkins models is also considered in this thesis, in which the noise part is modeled to improve the performance of plant model estimation. The proposed method for CT Box-Jenkins model identification is in a two-step and iterative framework. Two-step means the plant and noise models are estimated in a separate and alternate way, where in estimating each of them, the other is assumed to be fixed. More specifically, the plant is estimated by refined instrumental variable (RIV) method while the noise is estimated by EM algorithm. Iterative means that the proposed method repeats the estimation procedure several times until a optimal estimate is found. Many practical systems have inherent time-delay. The problem of identifying delayed systems are of great importance for analysis, prediction or control design. The presence of a unknown time-delay greatly complicates the parameter estimation problem, essentially because the model are not linear with respect to the time-delay. An approach to continuous-time model identification of time-delay systems, combining a numerical search algorithm for the delay with the RIV method for the dynamic has been developed in this thesis. In the proposed algorithm, the system parameters and time-delay are estimated reciprocally in a bootstrap manner. The time-delay is estimated by an adaptive gradient-based method, whereas the system parameters are estimated by the RIV method. Since numerical method is used in this algorithm, the bootstrap method is likely to converge to local optima, therefore a low-pass filter has been used to enlarge the convergence region for the time-delay. The performance of the proposed algorithms are evaluated by numerical examples