Esta tese apresenta três ensaios sobre previsão de inflação e análise de dados em tempo real no Brasil. Utilizando uma curva de Phillips, o primeiro ensaio propõe um “modelo evolucionário” para prever inflação no Brasil. O modelo evolucionário consiste em uma combinação de um modelo não-linear (que é formado pela combinação de três redes neurais artificiais – RNAs) e de um modelo linear (que também é a referência para propósitos de comparação). Alguns parâmetros do modelo evolucionário, incluindo os pesos das combinações, evoluem ao longo do tempo segundo ajustes definidos por três algoritmos que avaliam os erros fora-da-amostra. As RNAs foram estimadas através de uma abordagem híbrida baseada em um algoritmo genético (AG) e em um algoritmo simplex de Nelder-Mead. Em um experimento de previsão fora-da-amostra para 3, 6, 9 e 12 passos à frente, o desempenho do modelo evolucionário foi comparado ao do modelo linear de referência, segundo os critérios de raiz do erro quadrático médio (REQM) e de erro absoluto médio (EAM). O desempenho do modelo evolucionário foi superior ao desempenho do modelo linear para todos os passos de previsão analisados, segundo ambos os critérios. O segundo ensaio é motivado pela recente literatura sobre análise de dados em tempo real, que tem mostrado que diversas medidas de atividade econômica passam por importantes revisões de dados ao longo do tempo, implicando importantes limitações para o uso dessas medidas. Elaboramos um conjunto de dados de PIB em tempo real para o Brasil e avaliamos a extensão na qual as séries de crescimento do PIB e de hiato do produto são revisadas ao longo do tempo. Mostramos que as revisões de crescimento do PIB (trimestre/trimestre anterior) são economicamente relevantes, embora as revisões de crescimento do PIB percam parte da importância à medida que o período de agregação aumenta (por exemplo, crescimento em quatro trimestres). Para analisar as revisões do hiato do produto, utilizamos quatro métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear, a tendência quadrática, e o modelo de Harvey-Clark de componentes não-observáveis. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados do PIB como a baixa precisão das estimativas de final-de-amostra da tendência do produto mostraram-se fontes relevantes das revisões de hiato do produto. O terceiro ensaio é também um estudo de dados em tempo real, mas que analisa os dados de produção industrial (PI) e as estimativas de hiato da produção industrial. Mostramos que as revisões de crescimento da PI (mês/mês anterior) e da média móvel trimestral são economicamente relevantes, embora as revisões de crescimento da PI tornem-se menos importantes à medida que o período de agregação aumenta (por exemplo, crescimento em doze meses). Para analisar as revisões do hiato da PI, utilizamos três métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear e a tendência quadrática. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados da PI como a baixa precisão das estimativas de final-de-amostra da tendência da PI mostraram-se fontes relevantes das revisões de hiato da PI, embora os resultados sugiram certa predominância das revisões provenientes da baixa precisão de final-de-amostra. / This thesis presents three essays on inflation forecasting and real-time data analysis in Brazil. By using a Phillips curve, the first essay presents an “evolutionary model” to forecast Brazilian inflation. The evolutionary model consists in a combination of a non-linear model (that is formed by a combination of three artificial neural networks - ANNs) and a linear model (that is also a benchmark for comparison purposes). Some parameters of the evolutionary model, including the combination weight, evolve throughout time according to adjustments defined by three algorithms that evaluate the out-of-sample errors. The ANNs were estimated by using a hybrid approach based on a genetic algorithm (GA) and on a Nelder-Mead simplex algorithm. In a 3, 6, 9 and 12 steps ahead out-of-sample forecasting experiment, the performance of the evolutionary model was compared to the performance of the benchmark linear model, according to root mean squared errors (RMSE) and to mean absolute error (MAE) criteria. The evolutionary model performed better than the linear model for all forecasting steps that were analyzed, according to both criteria. The second essay is motivated by recent literature on real-time data analysis, which has shown that several measures of economic activities go through important data revisions throughout time, implying important limitations to the use of these measures. We developed a GDP real-time data set to Brazilian economy and we analyzed the extent to which GDP growth and output gap series are revised over time. We showed that revisions to GDP growth (quarter-onquarter) are economic relevant, although the GDP growth revisions lose part of their importance as aggregation period increases (for example, four-quarter growth). To analyze the output gap revisions, we applied four detrending methods: the Hodrick-Prescott filter, the linear trend, the quadratic trend, and the Harvey-Clark model of unobservable components. It was shown that all methods had economically relevant magnitude of revisions. In a general way, both GDP data revisions and the low accuracy of end-of-sample output trend estimates were relevant sources of output gap revisions. The third essay is also a study about real-time data, but focused on industrial production (IP) data and on industrial production gap estimates. We showed that revisions to IP growth (month-on-month) and to IP quarterly moving average growth are economic relevant, although the IP growth revisions become less important as aggregation period increases (for example, twelve-month growth). To analyze the output gap revisions, we applied three detrending methods: the Hodrick-Prescott filter, the linear trend, and the quadratic trend. It was shown that all methods had economically relevant magnitude of revisions. In general, both IP data revisions and low accuracy of end-of-sample IP trend estimates were relevant sources of IP gap revisions, although the results suggest some prevalence of revisions originated from low accuracy of end-of-sample estimates.

O objetivo deste trabalho foi desenvolver um modelo para reconhecer e reproduzir padrões de viagens encadeadas a pé. O processo de modelagem foi conduzido através da aplicação das técnicas das Redes Neurais Artificiais (RNAs), utilizando-se de uma rede estática MLP e de rede dinâmica Elman. A análise do desempenho do modelo foi baseada nos dados de uma pesquisa de Origem-Destino realizada, em 1987, pelo METRÔ-SP na Região Metropolitana de São Paulo. Na modelagem foi fixado o modo de viagem a pé, e, na abordagem seqüencial, padrões de viagens individuais foram representados em termos de dois componentes: duração da viagem e tipo de atividades. A análise foi realizada partindo da classificação geral e específica para cada segmento do encadeamento de viagens, o que permitiu a comparação dos resultados entre padrões de viagens observados e os reproduzidos pelas redes. Na classificação geral, cinco dos padrões previstos com maior freqüência pelas RNAs representaram em média 58,9% dos indivíduos no conjunto de dados usado para testar o desempenho do modelo. Para o vetor de duas e quatro viagens, as redes neurais reproduziram 50% das durações de viagem e 90% das atividades, tais como Trabalho e Escola. Embora esses resultados não pareçam muito robustos, não significa que eles estejam errados. As porcentagens acima representam a probabilidade de uma pessoa realizar viagens com aquelas durações ou tipo de atividades. / The main objective of this work was to develop a model for recognizing and reproduzing trip-chaining patterns by walk. The process of modeling was conducted applying the techniques of Artificial Neural Networks (ANNs), by using one of the static networks MLP and the Elman dynamic network. The analysis of the performance of the model was based on the origin-destination home-interview survey carried out by METRÔ-SP in São Paulo Metropolitan Area in 1987. The mode of trip by walk was fixed in the model, and, in the sequential approach, individual travel patterns were represented in terms of two components: trip duration and activity type. The analysis was accomplished starting from the general and specific classifications for each segment of the chained trips, which allowed the comparison of the results between the observed travel patterns and reproduced ones through ANNs. In general classification, 5 of the patterns most frequently predicted by the ANNs represented 58.9% of the individuals in the dataset used for testing the model performance. For the vectors of two and four trips, the neural networks reproduced 50% of trip durations and 90% of the activities, such as work and school. Although those results seem not so robust, it does not mean that they are wrong. The percentages above represent the probability of a person making trips with those durations or type of activities.

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa será dedicada ao desenvolvimento de uma metodologia com vistas à compreensão e ao exame do comportamento do hábito de consumo de eletricidade residencial, via análise de similaridade, baseado no uso de uma rede neural da família ART (Adaptive Resonance Theory). Trata-se de uma rede neural composta por dois módulos ART-Fuzzy, cujo treinamento é realizado de modo não supervisionado. No primeiro módulo, serão usadas, como entrada, as informações que caracterizam os hábitos de consumo e a situação socioeconômica. A saída do primeiro módulo junto com os dados referentes aos equipamentos eletroeletrônicos da residência compõem a entrada do segundo módulo que, finalmente, produz informações, na saída, relativas ao diagnóstico pretendido, ou seja, a formação de agrupamentos similares (clusters). Todo o processamento da rede neural modular é realizado com dados binários, os quais são gerados a partir de informações quantitativas e qualitativas. As redes neurais da família ART são estáveis e plásticas. A estabilidade refere-se à garantia de sempre produzir soluções, ou seja, não se observa problemas relativos à má convergência. A plasticidade é uma característica que possibilita a execução do treinamento de forma contínua sem destruir o conhecimento adquirido previamente. É um recurso pouco observado nas demais redes neurais disponíveis na literatura especializada. Com essas propriedades (estabilidade e plasticidade), combinada com o processamento de dados essencialmente ... (Resumo completo, clicar acesso eletrônico abaixo) / Doutor

Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Neste trabalho é apresentada uma nova abordagem para obter as respostas impulsivas biauriculares (BIRs) para um sistema de aurilização utilizando um conjunto de redes neurais artificiais (RNAs). O método proposto é capaz de reconstruir as respostas impulsivas associadas à cabeça humana (HRIRs) por meio de modificação espectral e de interpolação espacial. A fim de cobrir todo o espaço auditivo de recepção, sem aumentar a complexidade da arquitetura da rede, uma estrutura com múltiplas RNAs (conjunto) foi adotada, onde cada rede opera uma região específica do espaço (gomo). Os três principais fatores que influenciam na precisão do modelo arquitetura da rede, ângulos de abertura da área de recepção e atrasos das HRIRs são investigados e uma configuração ideal é apresentada. O erro de modelagem no domínio da frequência é investigado considerando a natureza logarítmica da audição humana. Mais ainda, são propostos novos parâmetros para avaliação do erro, definidos em analogia com alguns dos bem conhecidos parâmetros de qualidade acústica de salas. Através da metodologia proposta obteve-se um ganho computacional, em redução do tempo de processamento, de aproximadamente 62% em relação ao método tradicional de processamento de sinais utilizado para aurilização. A aplicabilidade do novo método em sistemas de aurilização é reforçada mediante uma análise comparativa dos resultados, que incluem a geração das BIRs e o cálculo dos parâmetros acústicos biauriculares (IACF e IACC), os quais mostram erros de magnitudes reduzidas. / This work presents a new approach to obtain the Binaural Impulse Responses (BIRs) for an auralization system by using a committee of artificial neural networks (ANNs). The proposed method is capable to reconstruct the desired modified Head Related Impulse Responses (HRIRs) by means of spectral modification and spatial interpolation. In order to cover the entire auditory reception space, without increasing the networks architecture complexity, a structure with multiple RNAs (group) was adopted, where each network operates in a specific reception region (bud). The three major parameters that affect the models accuracy the networks architecture, the reception regions aperture angles and the HRIRs time shifts are investigated and an optimal setup is presented. The modeling error, in the frequency domain, is investigated considering the logarithmic nature of the human hearing. Moreover, new parameters are proposed for error evaluation in the time domain, defined in analogy with some of the well known acoustical quality parameters in rooms. It was observed that the proposed methodology obtained a computational gain of approximately 62%, in terms of processing time reduction, compared to the classical signal processing method used to obtain auralizations. The applicability of the new method in auralizations systems is validated by comparative analysis, which includes the BIRs generation and calculation of the binaural acoustic parameters (IACF and IACC), showing very low magnitude errors.

Orientador: Marcos Julio Rider Flores / Resumo: Nesta tese são utilizados algoritmos de Inteligência Computacional para resolver quatro problemas da área de sistemas elétricos de potência, com o intuito de automatizar a tomada de decisões em processos que normalmente são realizados por especialistas humanos ajudados de métodos computacionais clássicos. Nesta tese são utilizados os algoritmos de aprendizado de máquina: árvores de decisão, redes neurais artificiais e máquinas de vetor de suporte, para realizar o processo de aprendizado dos sistemas inteligentes e para realizar a mineração de dados. Estes algoritmos podem ser treinados a partir das medições disponíveis e ações registradas nos centros de controle dos sistemas de potência. Sistemas Inteligentes foram utilizados para realizar: a) o controle centralizado Volt-VAr em modernos sistemas de distribuição de energia elétrica em tempo real usando medições elétricas; b) a detecção de fraudes nas redes de distribuição de energia elétrica realizando um processo de mineração de dados para estabelecer padrões de consumo que levem a possíveis clientes fraudadores; c) a localização de faltas nos sistemas de transmissão de energia elétrica automatizando o processo de localização e ajudando para que uma ação de controle da falta seja realizada de forma rápida e eficiente; e d) a coordenação de carga inteligente de veículos elétricos e dispositivos de armazenamento em tempo real utilizando a tecnologia V2G, nos sistemas de distribuição de energia elétrica a partir de medições elé... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this thesis Computational Intelligence algorithms are used to solve four problems of the area of power electrical systems, in order to automate decision making in processes that are usually performed by human experts aided by classical computational methods. In this thesis the machine learning algorithms are used: decision trees, artificial neural networks and support vector machines to carry out the learning process of Intelligent Systems and to perform Data Mining. These algorithms are trained from the available measurements and actions recorded in the control centers of the systems. Intelligent Systems were used to perform: a) the centralized control Volt-VAr in modern systems of distribution of electrical energy in real time using electrical measurements; b) detection of fraud in electricity distribution networks by performing a data mining process to establish patterns of consumption that lead to possible fraudulent customers; c) fault location in electric power transmission systems by automating the localization process and helping to ensure that a fault control action is performed quickly and efficiently; and d) coordination of intelligent charging of electric vehicles and storage devices using V2G technology in real-time, in electric power distribution systems using electrical measurements. For the centralized control problem Volt-VAr was tested in 42-node distribution system, for the problem of loading electric vehicles and storage devices the tests were performed... (Complete abstract click electronic access below) / Doutor

O movimento de pedestres está associado ao espaço em que ele acontece, de maneira local, onde cada calçada oferece vantagens físicas e de maneira global ao determinar rotas através dos caminhos da cidade. Entender como os pedestres escolhem as calçadas por onde se locomovem é essencial para determinar as características do ambiente necessárias aos espaços. Uma maneira de entender essas relações é através da criação de modelos urbanos, um modo de associar diretamente os atributos aos fenômenos. Buscou-se analisar metodologias utilizadas em modelos de pedestres, bem como novas tecnologias incorporadas a eles, para avaliar a movimentação peatonal urbana em áreas centrais de tecido tradicional. Dentre as metodologias observadas, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e as medidas de desempenho dos passeios. A sintaxe se destaca por relacionar o efeito da malha urbana como indutora do movimento de pedestres, e as medidas de desempenho por criarem maneiras de avaliar a qualidade do passeio. Esta pesquisa procura compatibilizar esses dois métodos de abordar o movimento para descrever e compreender as relações entre o espaço e o fluxo de pedestres na área central da cidade de Santa Maria-RS. As variáveis do espaço urbano foram processadas com as redes neurais artificiais, uma tecnologia inovadora com muito potencial na área de modelagem urbana, por sua aptidão de aprendizado a partir de exemplos - fenômenos que não possuem regras explícitas - e processamento em paralelo dos dados - todas as variáveis se influenciam ao mesmo tempo para resultar no fenômeno estudado. Os resultados obtidos mostraram-se pertinentes às bases teóricas e contribuem para a explicação do movimento natural em cidades. / The pedestrians’ movement is associated to the space where it happens, on a local way, where each sidewalk offers physical advantages and in a global way when determining routes through the city roads. To understand how the pedestrians choose the sidewalks where they will move around is essential to determine the ambient characteristics that are necessary on the spaces. A way of understanding these relations is by creating urban models, a way of associating directly the attributes to the phenomena. It was tried to analyze methodologies used in pedestrians' models, as well as new technologies incorporated to them, to evaluate the urban pedestrian movement at central areas of the traditional cities. Among the observed methodologies, those which were more appropriated to understand the factors contained in the urban space were the spatial syntax and the measures of sidewalks performance. The syntax stands out by relating the effect of the urban grid as the factor that induces the pedestrians’ movement and the performance measures because they create forms of evaluating the sidewalk’s quality. This research attempts to make compatible those two methods of approaching the movement to describe and to understand the relations between the space and the pedestrians' flow in the central area of Santa Maria-RS The urban space variables were processed with the artificial neural networks, an innovative technology with a lot of potential in the urban modeling area, on account of its learning aptitude starting from examples - phenomena that don't have explicit rules - and the parallel processing of the data - all the variables influence each other at the same time to result in the studied phenomenon. The obtained results were shown pertinent to the theoretical bases and they contribute to the explanation of the natural movement in cities. The results were shown pertinent to the theoretical bases and they contribute to explaining the natural movement in the cities.

Esta tese apresenta três ensaios sobre previsão de inflação e análise de dados em tempo real no Brasil. Utilizando uma curva de Phillips, o primeiro ensaio propõe um “modelo evolucionário” para prever inflação no Brasil. O modelo evolucionário consiste em uma combinação de um modelo não-linear (que é formado pela combinação de três redes neurais artificiais – RNAs) e de um modelo linear (que também é a referência para propósitos de comparação). Alguns parâmetros do modelo evolucionário, incluindo os pesos das combinações, evoluem ao longo do tempo segundo ajustes definidos por três algoritmos que avaliam os erros fora-da-amostra. As RNAs foram estimadas através de uma abordagem híbrida baseada em um algoritmo genético (AG) e em um algoritmo simplex de Nelder-Mead. Em um experimento de previsão fora-da-amostra para 3, 6, 9 e 12 passos à frente, o desempenho do modelo evolucionário foi comparado ao do modelo linear de referência, segundo os critérios de raiz do erro quadrático médio (REQM) e de erro absoluto médio (EAM). O desempenho do modelo evolucionário foi superior ao desempenho do modelo linear para todos os passos de previsão analisados, segundo ambos os critérios. O segundo ensaio é motivado pela recente literatura sobre análise de dados em tempo real, que tem mostrado que diversas medidas de atividade econômica passam por importantes revisões de dados ao longo do tempo, implicando importantes limitações para o uso dessas medidas. Elaboramos um conjunto de dados de PIB em tempo real para o Brasil e avaliamos a extensão na qual as séries de crescimento do PIB e de hiato do produto são revisadas ao longo do tempo. Mostramos que as revisões de crescimento do PIB (trimestre/trimestre anterior) são economicamente relevantes, embora as revisões de crescimento do PIB percam parte da importância à medida que o período de agregação aumenta (por exemplo, crescimento em quatro trimestres). Para analisar as revisões do hiato do produto, utilizamos quatro métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear, a tendência quadrática, e o modelo de Harvey-Clark de componentes não-observáveis. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados do PIB como a baixa precisão das estimativas de final-de-amostra da tendência do produto mostraram-se fontes relevantes das revisões de hiato do produto. O terceiro ensaio é também um estudo de dados em tempo real, mas que analisa os dados de produção industrial (PI) e as estimativas de hiato da produção industrial. Mostramos que as revisões de crescimento da PI (mês/mês anterior) e da média móvel trimestral são economicamente relevantes, embora as revisões de crescimento da PI tornem-se menos importantes à medida que o período de agregação aumenta (por exemplo, crescimento em doze meses). Para analisar as revisões do hiato da PI, utilizamos três métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear e a tendência quadrática. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados da PI como a baixa precisão das estimativas de final-de-amostra da tendência da PI mostraram-se fontes relevantes das revisões de hiato da PI, embora os resultados sugiram certa predominância das revisões provenientes da baixa precisão de final-de-amostra. / This thesis presents three essays on inflation forecasting and real-time data analysis in Brazil. By using a Phillips curve, the first essay presents an “evolutionary model” to forecast Brazilian inflation. The evolutionary model consists in a combination of a non-linear model (that is formed by a combination of three artificial neural networks - ANNs) and a linear model (that is also a benchmark for comparison purposes). Some parameters of the evolutionary model, including the combination weight, evolve throughout time according to adjustments defined by three algorithms that evaluate the out-of-sample errors. The ANNs were estimated by using a hybrid approach based on a genetic algorithm (GA) and on a Nelder-Mead simplex algorithm. In a 3, 6, 9 and 12 steps ahead out-of-sample forecasting experiment, the performance of the evolutionary model was compared to the performance of the benchmark linear model, according to root mean squared errors (RMSE) and to mean absolute error (MAE) criteria. The evolutionary model performed better than the linear model for all forecasting steps that were analyzed, according to both criteria. The second essay is motivated by recent literature on real-time data analysis, which has shown that several measures of economic activities go through important data revisions throughout time, implying important limitations to the use of these measures. We developed a GDP real-time data set to Brazilian economy and we analyzed the extent to which GDP growth and output gap series are revised over time. We showed that revisions to GDP growth (quarter-onquarter) are economic relevant, although the GDP growth revisions lose part of their importance as aggregation period increases (for example, four-quarter growth). To analyze the output gap revisions, we applied four detrending methods: the Hodrick-Prescott filter, the linear trend, the quadratic trend, and the Harvey-Clark model of unobservable components. It was shown that all methods had economically relevant magnitude of revisions. In a general way, both GDP data revisions and the low accuracy of end-of-sample output trend estimates were relevant sources of output gap revisions. The third essay is also a study about real-time data, but focused on industrial production (IP) data and on industrial production gap estimates. We showed that revisions to IP growth (month-on-month) and to IP quarterly moving average growth are economic relevant, although the IP growth revisions become less important as aggregation period increases (for example, twelve-month growth). To analyze the output gap revisions, we applied three detrending methods: the Hodrick-Prescott filter, the linear trend, and the quadratic trend. It was shown that all methods had economically relevant magnitude of revisions. In general, both IP data revisions and low accuracy of end-of-sample IP trend estimates were relevant sources of IP gap revisions, although the results suggest some prevalence of revisions originated from low accuracy of end-of-sample estimates.

Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Neste trabalho é apresentada uma nova abordagem para obter as respostas impulsivas biauriculares (BIRs) para um sistema de aurilização utilizando um conjunto de redes neurais artificiais (RNAs). O método proposto é capaz de reconstruir as respostas impulsivas associadas à cabeça humana (HRIRs) por meio de modificação espectral e de interpolação espacial. A fim de cobrir todo o espaço auditivo de recepção, sem aumentar a complexidade da arquitetura da rede, uma estrutura com múltiplas RNAs (conjunto) foi adotada, onde cada rede opera uma região específica do espaço (gomo). Os três principais fatores que influenciam na precisão do modelo arquitetura da rede, ângulos de abertura da área de recepção e atrasos das HRIRs são investigados e uma configuração ideal é apresentada. O erro de modelagem no domínio da frequência é investigado considerando a natureza logarítmica da audição humana. Mais ainda, são propostos novos parâmetros para avaliação do erro, definidos em analogia com alguns dos bem conhecidos parâmetros de qualidade acústica de salas. Através da metodologia proposta obteve-se um ganho computacional, em redução do tempo de processamento, de aproximadamente 62% em relação ao método tradicional de processamento de sinais utilizado para aurilização. A aplicabilidade do novo método em sistemas de aurilização é reforçada mediante uma análise comparativa dos resultados, que incluem a geração das BIRs e o cálculo dos parâmetros acústicos biauriculares (IACF e IACC), os quais mostram erros de magnitudes reduzidas. / This work presents a new approach to obtain the Binaural Impulse Responses (BIRs) for an auralization system by using a committee of artificial neural networks (ANNs). The proposed method is capable to reconstruct the desired modified Head Related Impulse Responses (HRIRs) by means of spectral modification and spatial interpolation. In order to cover the entire auditory reception space, without increasing the networks architecture complexity, a structure with multiple RNAs (group) was adopted, where each network operates in a specific reception region (bud). The three major parameters that affect the models accuracy the networks architecture, the reception regions aperture angles and the HRIRs time shifts are investigated and an optimal setup is presented. The modeling error, in the frequency domain, is investigated considering the logarithmic nature of the human hearing. Moreover, new parameters are proposed for error evaluation in the time domain, defined in analogy with some of the well known acoustical quality parameters in rooms. It was observed that the proposed methodology obtained a computational gain of approximately 62%, in terms of processing time reduction, compared to the classical signal processing method used to obtain auralizations. The applicability of the new method in auralizations systems is validated by comparative analysis, which includes the BIRs generation and calculation of the binaural acoustic parameters (IACF and IACC), showing very low magnitude errors.

Esta tese apresenta três ensaios sobre previsão de inflação e análise de dados em tempo real no Brasil. Utilizando uma curva de Phillips, o primeiro ensaio propõe um “modelo evolucionário” para prever inflação no Brasil. O modelo evolucionário consiste em uma combinação de um modelo não-linear (que é formado pela combinação de três redes neurais artificiais – RNAs) e de um modelo linear (que também é a referência para propósitos de comparação). Alguns parâmetros do modelo evolucionário, incluindo os pesos das combinações, evoluem ao longo do tempo segundo ajustes definidos por três algoritmos que avaliam os erros fora-da-amostra. As RNAs foram estimadas através de uma abordagem híbrida baseada em um algoritmo genético (AG) e em um algoritmo simplex de Nelder-Mead. Em um experimento de previsão fora-da-amostra para 3, 6, 9 e 12 passos à frente, o desempenho do modelo evolucionário foi comparado ao do modelo linear de referência, segundo os critérios de raiz do erro quadrático médio (REQM) e de erro absoluto médio (EAM). O desempenho do modelo evolucionário foi superior ao desempenho do modelo linear para todos os passos de previsão analisados, segundo ambos os critérios. O segundo ensaio é motivado pela recente literatura sobre análise de dados em tempo real, que tem mostrado que diversas medidas de atividade econômica passam por importantes revisões de dados ao longo do tempo, implicando importantes limitações para o uso dessas medidas. Elaboramos um conjunto de dados de PIB em tempo real para o Brasil e avaliamos a extensão na qual as séries de crescimento do PIB e de hiato do produto são revisadas ao longo do tempo. Mostramos que as revisões de crescimento do PIB (trimestre/trimestre anterior) são economicamente relevantes, embora as revisões de crescimento do PIB percam parte da importância à medida que o período de agregação aumenta (por exemplo, crescimento em quatro trimestres). Para analisar as revisões do hiato do produto, utilizamos quatro métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear, a tendência quadrática, e o modelo de Harvey-Clark de componentes não-observáveis. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados do PIB como a baixa precisão das estimativas de final-de-amostra da tendência do produto mostraram-se fontes relevantes das revisões de hiato do produto. O terceiro ensaio é também um estudo de dados em tempo real, mas que analisa os dados de produção industrial (PI) e as estimativas de hiato da produção industrial. Mostramos que as revisões de crescimento da PI (mês/mês anterior) e da média móvel trimestral são economicamente relevantes, embora as revisões de crescimento da PI tornem-se menos importantes à medida que o período de agregação aumenta (por exemplo, crescimento em doze meses). Para analisar as revisões do hiato da PI, utilizamos três métodos de extração de tendência: o filtro de Hodrick-Prescott, a tendência linear e a tendência quadrática. Todos os métodos apresentaram revisões de magnitudes economicamente relevantes. Em geral, tanto a revisão de dados da PI como a baixa precisão das estimativas de final-de-amostra da tendência da PI mostraram-se fontes relevantes das revisões de hiato da PI, embora os resultados sugiram certa predominância das revisões provenientes da baixa precisão de final-de-amostra. / This thesis presents three essays on inflation forecasting and real-time data analysis in Brazil. By using a Phillips curve, the first essay presents an “evolutionary model” to forecast Brazilian inflation. The evolutionary model consists in a combination of a non-linear model (that is formed by a combination of three artificial neural networks - ANNs) and a linear model (that is also a benchmark for comparison purposes). Some parameters of the evolutionary model, including the combination weight, evolve throughout time according to adjustments defined by three algorithms that evaluate the out-of-sample errors. The ANNs were estimated by using a hybrid approach based on a genetic algorithm (GA) and on a Nelder-Mead simplex algorithm. In a 3, 6, 9 and 12 steps ahead out-of-sample forecasting experiment, the performance of the evolutionary model was compared to the performance of the benchmark linear model, according to root mean squared errors (RMSE) and to mean absolute error (MAE) criteria. The evolutionary model performed better than the linear model for all forecasting steps that were analyzed, according to both criteria. The second essay is motivated by recent literature on real-time data analysis, which has shown that several measures of economic activities go through important data revisions throughout time, implying important limitations to the use of these measures. We developed a GDP real-time data set to Brazilian economy and we analyzed the extent to which GDP growth and output gap series are revised over time. We showed that revisions to GDP growth (quarter-onquarter) are economic relevant, although the GDP growth revisions lose part of their importance as aggregation period increases (for example, four-quarter growth). To analyze the output gap revisions, we applied four detrending methods: the Hodrick-Prescott filter, the linear trend, the quadratic trend, and the Harvey-Clark model of unobservable components. It was shown that all methods had economically relevant magnitude of revisions. In a general way, both GDP data revisions and the low accuracy of end-of-sample output trend estimates were relevant sources of output gap revisions. The third essay is also a study about real-time data, but focused on industrial production (IP) data and on industrial production gap estimates. We showed that revisions to IP growth (month-on-month) and to IP quarterly moving average growth are economic relevant, although the IP growth revisions become less important as aggregation period increases (for example, twelve-month growth). To analyze the output gap revisions, we applied three detrending methods: the Hodrick-Prescott filter, the linear trend, and the quadratic trend. It was shown that all methods had economically relevant magnitude of revisions. In general, both IP data revisions and low accuracy of end-of-sample IP trend estimates were relevant sources of IP gap revisions, although the results suggest some prevalence of revisions originated from low accuracy of end-of-sample estimates.

Submitted by Daniela Sbizera Justo null (sbizera@yahoo.com) on 2016-09-20T14:14:51Z No. of bitstreams: 1 Tese-Daniela Sbizera Justo.pdf: 5782774 bytes, checksum: 483d11758263a9d6c3a3d4c89fe66919 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-09-22T19:44:56Z (GMT) No. of bitstreams: 1 justo_ds_dr_ilha.pdf: 5782774 bytes, checksum: 483d11758263a9d6c3a3d4c89fe66919 (MD5) / Made available in DSpace on 2016-09-22T19:44:56Z (GMT). No. of bitstreams: 1 justo_ds_dr_ilha.pdf: 5782774 bytes, checksum: 483d11758263a9d6c3a3d4c89fe66919 (MD5) Previous issue date: 2016-08-25 / Esta pesquisa será dedicada ao desenvolvimento de uma metodologia com vistas à compreensão e ao exame do comportamento do hábito de consumo de eletricidade residencial, via análise de similaridade, baseado no uso de uma rede neural da família ART (Adaptive Resonance Theory). Trata-se de uma rede neural composta por dois módulos ART-Fuzzy, cujo treinamento é realizado de modo não supervisionado. No primeiro módulo, serão usadas, como entrada, as informações que caracterizam os hábitos de consumo e a situação socioeconômica. A saída do primeiro módulo junto com os dados referentes aos equipamentos eletroeletrônicos da residência compõem a entrada do segundo módulo que, finalmente, produz informações, na saída, relativas ao diagnóstico pretendido, ou seja, a formação de agrupamentos similares (clusters). Todo o processamento da rede neural modular é realizado com dados binários, os quais são gerados a partir de informações quantitativas e qualitativas. As redes neurais da família ART são estáveis e plásticas. A estabilidade refere-se à garantia de sempre produzir soluções, ou seja, não se observa problemas relativos à má convergência. A plasticidade é uma característica que possibilita a execução do treinamento de forma contínua sem destruir o conhecimento adquirido previamente. É um recurso pouco observado nas demais redes neurais disponíveis na literatura especializada. Com essas propriedades (estabilidade e plasticidade), combinada com o processamento de dados essencialmente binários, confere ao sistema neural uma ampla capacidade de produzir objetivos que podem ser facilmente modificados visando atender requisitos preestabelecidos pelos usuários (consumidor, empresa do setor elétrico). Neste sentido, o resultado esperado é a obtenção de informações referentes à similaridade de consumidores, à qual pode-se vislumbrar alguns benefícios, por parte dos consumidores, como melhorar o hábito de consumir energia elétrica, oferecendo também, por meio do conhecimento dos consumidores similares, a obtenção de melhores estratégias de negociação com os fornecedores, principalmente, no caso de sistemas smart grids. Neste novo paradigma do setor elétrico, há uma forte tendência do(s) consumidor(es) escolher(em) livremente a empresas fornecedoras de energia elétrica. Além disso, é discutida uma melhor forma para a realização da previsão de carga em pontos da rede elétrica onde há uma maior incerteza, e.g., nos barramentos mais próximos do consumidor (transformadores etc.), i.e., as incertezas no contexto da previsão de carga total do sistema são aumentadas à medida que se adentra a partir da carga global até chegar ao consumidor final, em especial ao usuário residencial. A base de dados, para a fase de treinamento da rede neural, é construída a partir de informações disponibilizadas por consumidores voluntários via o preenchimento de formulário. Realizada a fase de treinamento, a rede neural adquire um conhecimento incipiente afeito de ser aperfeiçoado ao longo do tempo, quando se implementa o recurso da plasticidade. / This work develops a methodology to understand and analyze the behavior of residential electricity consumption by similarity analysis, based on a neural network of ART (Adaptive Resonance Theory) family. The neural network is composed of two Fuzzy-ART modules whose training are non-supervised. At the first module, the inputs are information that characterize the consumption habits and the socio-economic situation. The output of the first module with the data referred to electro-electronic equipment available at the residence compose the input of the second module, which finally produces information at the output related to the diagnosis proposed, i.e. the formation of clusters. All the neural network processing is realized with binary data, which are generated from quantitative and qualitative information. ART family neural networks are stable and plastic. The stability assures that it always produces a solution, i.e. there is no convergence problem. The plasticity is a characteristic that allows executing the processing continuously without losing the knowledge previously learned. Those advantages are seldom observed in other neural networks available at the specialized literature. Considering these properties (stability and plasticity), combined with the data processing exclusively binary, the neural network is capable to be modified when necessary to attend pre-defined requests by the users (consumers, distributers, etc.). Therefore, the expected result is to obtain information referred to the similarity with consumers, and with this information, the consumers can improve their habits or even negotiating with the producers in case of smart grid systems. This new electrical system paradigm, the tendency is that the consumers can arbitrarily choose the electrical distributers. Furthermore, the work discusses the best way to realize load forecasting in points where there is uncertainty, e.g., on the busses near the consumers (transformers), i.e., the uncertainties considering the global forecasting increase if the information of residences is not considered. The database for the training phase of the neural network was built by a quiz form filled by some volunteer consumers. Afterwards, when finishing the training phase, the neural network acquires knowledge that along time can implement the plasticity resource.