Made available in DSpace on 2014-06-12T17:38:03Z (GMT). No. of bitstreams: 2 arquivo5615_1.pdf: 1629893 bytes, checksum: c7971ae5571cdce4896d6a23598640fe (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Na operação de um sistema de distribuição de energia elétrica, uma das etapas mais importante é a determinação da operação horária e diária, que determina as metas de distribuição da energia nas próximas horas ou dias, visando atender à demanda dos seus clientes. Assim, do ponto de vista do planejamento da operação, é necessário que se conheça previamente o consumo de energia de cada barramento utilizando-se previsões de curtíssimos prazos. Este trabalho teve como objetivo desenvolver modelos de previsão utilizando Redes Neurais Artificiais com topologia de MLP (Perceptrons Multicamadas) com horizontes de previsão horária de 7 e 14 dias para alguns barramentos do sistema de distribuição da Companhia Energética de Pernambuco. Duas metodologias são implantadas: a primeira cria dois modelos com base em dados horários de consumo de energia e temperatura média diária; a segunda cria, através de combinações, mais dois modelos utilizando como dados de entrada os modelos criados na primeira metodologia. Fazendo-se a comparação dos MAPE (Erro Médio Absoluto Percentual), conclui-se que os modelos obtidos por combinação na segunda metodologia apresentam maior incidência de menores MAPE (erro médio absoluto percentual) em comparação aos modelos apresentados na primeira metodologia. Por fim, foram realizadas também comparações dos resultados de MAPE destes modelos com os resultados de MAPE obtidos nos modelos em dois projetos de P&D (Pesquisa e Desenvolvimento), o PREVER e o PCD, ambos desenvolvidos pela UFPE em parceria com a Companhia Energética de Pernambuco (Celpe)

Made available in DSpace on 2014-06-12T17:35:41Z (GMT). No. of bitstreams: 2 arquivo6994_1.pdf: 1435653 bytes, checksum: 4e1bdb7a745c9aaae76de273132b51f9 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Neste trabalho, são desenvolvidos novos tipos de Wavelets para análise de sinais, um Algoritmo de Compactação e um Sistema de Classificação de sinais de tensões com distúrbio. A compactação do sinal é realizada eliminando-se os coeficientes wavelets cujos módulos estão abaixo de um determinado limiar de corte. Os resultados para sinais reais obtidos em registradores digitais forneceram altas taxas de compactação, tipicamente em torno de 82%, demonstrando a potencialidade deste método. Na classificação, o sinal de tensão é pré-processado via Wavelets e em seguida submetido a uma redução dimensional por meio da ferramenta estatística, Análises de Componentes Principais, e finalmente é submetido à Rede Neural tipo Multilayer Perceptrons - MLP, que indicará o tipo de distúrbio presente no sinal. Cada rede implementada foi treinada com uma base de conhecimento, cujos atributos foram constituídos dos coeficientes wavelets de aproximação, ou de detalhes, ou de ambos. Na combinação das Redes Neurais, em cada um dos seis nós de saída, aplicou-se a média entre as três saídas das redes individuais. A decisão final do classificador corresponde à saída combinada de maior valor. A técnica de combinação de modelos diferentes na classificação mostra excelentes resultados ao corrigir os casos mal classificados pelas redes individuais. O percentual de acerto da combinação da rede treinada com os coeficientes de detalhes com a aquela treinada com os coeficientes de aproximação para um conjunto de teste formado por 306 padrões foi de 99,3%, enquanto que na rede individual treinada com ambos coeficientes, esse índice foi de 96,4%. Estes resultados demonstram a superioridade do Sistema de Classificação baseado na combinação de redes com arquiteturas diferentes

Submitted by Michelle Chan (michellechan@bancobbm.com.br) on 2010-05-30T23:53:11Z No. of bitstreams: 1 dissertacao_MichelleChan.pdf: 348582 bytes, checksum: a78d92ef3ddcf4c0fd546de43352a06d (MD5) / Approved for entry into archive by Vitor Souza(vitor.souza@fgv.br) on 2010-05-31T13:33:26Z (GMT) No. of bitstreams: 1 dissertacao_MichelleChan.pdf: 348582 bytes, checksum: a78d92ef3ddcf4c0fd546de43352a06d (MD5) / Made available in DSpace on 2010-06-01T19:58:56Z (GMT). No. of bitstreams: 1 dissertacao_MichelleChan.pdf: 348582 bytes, checksum: a78d92ef3ddcf4c0fd546de43352a06d (MD5) Previous issue date: 2009-12-16 / The central purpose of this essay is to analyze the important variables of the inflation for the central bank’s monetary decision. Having in mind the importance of forward looking reaction of the monetary authorities in an inflation targeting regime, we study some short term inflation forecast models in order to find out which one has the most accurate prediction. In order to understand the brazilian inflacionary dinamics in these last years since the introduction of the inflation targeting regime, we analyse the dinamics of the inflation inercia and the passthrough. / O objetivo dessa dissertação é analisar as variáveis importantes da inflação para a decisão de política econômica do Banco Central. Considerando a importância de reações forward looking das autoridades monetárias num regime de metas de inflação, estudam-se alguns modelos de projeção de inflação de curto prazo para verificar qual modelo possui maior capacidade de previsão. Com o objetivo de entender a dinâmica inflacionária brasileira ao longo desses anos desde a implementação do sistema de metas de inflação, procura-se analisar a dinâmica da inércia inflacionária e do repasse cambial.

Made available in DSpace on 2016-06-02T20:06:06Z (GMT). No. of bitstreams: 1 4300.pdf: 2695135 bytes, checksum: c7742258a75f77aa35ccb54abc3439fe (MD5) Previous issue date: 2012-03-16 / Financiadora de Estudos e Projetos / In credit scoring problems, the interest is to associate to an element who request some kind of credit, a probability of default. However, traditional models uses samples biased because the data obtained from the tenderers has only clients who won a approval of a request for previous credit. In order to reduce the bias sample of these models, we use strategies to extract information about individuals rejected to be able to infer a response, good or bad payer. This is what we call the reject inference. With the use of these strategies, we also use the bagging technique (bootstrap aggregating), which consist in generate models based in some bootstrap samples of the training data in order to get a new predictor, when these models is combined. In this work we will discuss about some of the combination methods in the literature, especially the method of combination by logistic regression, although little used but with interesting results.We'll also discuss some strategies relating to reject inference. Analyses are given through a simulation study, in data sets generated and real data sets of public domain. / Em problemas de credit scoring, o interesse é associar a um elemento solicitante de algum tipo de crédito, uma probabilidade de inadimplência. No entanto, os modelos tradicionais utilizam amostras viesadas, pois constam apenas de dados obtidos dos proponentes que conseguiram a aprovação de uma solicitação de crédito anterior. Com o intuito de reduzir o vício amostral desses modelos, utilizamos estratégias para extrair informações acerca dos indivíduos rejeitados para que nele seja inferida uma resposta do tipo bom/- mau pagador. Isto é o que chamamos de inferência dos rejeitados. Juntamente com o uso dessas estratégias utilizamos a técnica bagging (bootstrap aggregating ), que é baseada na construção de diversos modelos a partir de réplicas bootstrap dos dados de treinamento, de modo que, quando combinados, gera um novo preditor. Nesse trabalho discutiremos sobre alguns dos métodos de combinação presentes na literatura, em especial o método de combinação via regressão logística, que é ainda pouco utilizado, mas com resultados interessantes. Discutiremos também as principais estratégias referentes à inferência dos rejeitados. As análises se dão por meio de um estudo simulação, em conjuntos de dados gerados e em conjuntos de dados reais de domínio público.