Esta tese apresenta os resultados de pesquisa sobre geração de séries sintéticas de radiação solar para estudos energéticos, realizada através do uso de modelos estocásticos e com o propósito de desenvolver método para aplicações práticas no setor elétrico. Para tanto, inicialmente foi levantado o estado da arte do tema, com revisão da literatura de séries temporais e de processos estocásticos, suas particularidades e potencialidades, complementado pela contextualização do uso de cenários no setor elétrico nacional, especialmente na operação e planejamento do sistema hidrotérmico, e por experiências internacionais na modelagem do recurso solar. A modelagem das séries utilizou dados reais de localidades do nordeste brasileiro e foi desenvolvida através do método de Box-Jenkins, realizando-se estudos de alternativas para cada uma de suas etapas. O pré-tratamento dos dados foi avaliado por três estratégias de remoção da tendência das séries e na estimativa dos coeficientes dos modelos foram comparados os métodos de Yule-Walker e dos mínimos quadrados. As análises consideraram quatro opções de modelos autorregressivos e os períodos horário, diário e mensal. O modelo autorregressivo convencional com intervalo mensal, identificado como o mais adequado para aplicação em estudos energéticos, e sua variação periódica foram implementados e avaliados com maior profundidade. Este estudo complementar considerou diferentes ordens de atraso e realizou comparações dos resultados por três métodos de cálculo do erro. O modelo desenvolvido com estrutura autorregressiva periódica de primeira ordem apresentou resultados satisfatórios e significativamente superiores aos dos demais modelos. Por fim, este modelo foi empregado na geração de séries sintéticas, criando 1.000 cenários de radiação solar mensal, posteriormente aplicados em modelo de contrato de venda de energia para avaliação de estratégias de participação em leilões, em análise de riscos de suprimento e em estimativa probabilística da receita esperada por parques geradores. / This thesis presents the results of a research on the generation of solar radiation synthetic sequences for energy studies, carried out through the use of stochastic models and with the purpose of developing a method for practical applications in the electric sector. In order to do so, the state of the art was devised through a review of the literature of time series and stochastic processes, their particularities and potentialities, complemented by the contextualization of the use of scenarios in the national electricity sector, especially in the hydrothermal system operation and planning, and international experiences in modeling the solar resource. The series modeling used real data from localities in the Brazilian Northeast and was developed through the Box-Jenkins method, carrying out alternative studies for each of its stages. The data pretreatment has been evaluated by three strategies for the series trend removal and by the methods of least squares and of Yule-Walker for the estimation of the model coefficients. The analysis considered four options of autoregressive models and hourly, daily and monthly periods. The conventional autoregressive model with monthly interval, identified as the most applications in energy studies, and its periodic variation were implemented and evaluated in greater depth. This complementary study considered different orders of delay and made comparisons of the results for three error calculation methods. The model developed with periodic autoregressive structure of first order presented results that are satisfactory and significantly superior than the other models. Finally, this model was used in the generation of synthetic series, creating 1,000 scenarios of monthly solar radiation, to be later applied in a model of power purchase agreement to evaluate strategies for auctions bidding, analysis of supply risks and probabilistic estimation of the expected revenue of power plants.

Um dos principais setores da economia brasileira, o agronegócio envolve uma série de negociações dentro de toda a cadeia produtiva. Instituições de pesquisa como o CEPEA (Centro de Estudos Avançados em Economia Aplicada), da ESALQ/USP, coletam diariamente dados sobre diversos produtos agropecuários, gerando informações para agentes de diferentes categorias interessados no acompanhamento desses mercados, entre eles pesquisadores, produtores e formuladores de políticas públicas. O uso desses dados para realização de análises históricas integradas com análises atuais de mercado, porém, ainda é um desafio, dada a falta de uma padronização e a necessidade de identificação de técnicas computacionais adequadas. O objetivo desta tese é organizar as informações agroeconômicas consolidadas por meio de modelos de Data Mining e estatísticos para gerar análises integradas de relações entre as séries temporais, compreendendo produtos, mercados e o tempo, baseando-se nos dados obtidos pelo CEPEA em 7 anos de coleta diária de preços. As técnicas propostas para o modelo de análise integrada compreendem séries temporais para a projeção de trajetórias temporais e reconhecimento de padrões temporais. Especificamente para as trajetórias temporais, as técnicas utilizadas são de Matrizes de Correlações e Decomposição de Tucker e trajetórias, as quais permitem uma redução das matrizes e identificação de pontos relevantes no conjunto de dados. Já o reconhecimento de padrões nas séries temporais de grande volume de dados é obtido por meio de duas fases. Inicialmente, os dados são preparados utilizando-se as técnicas de redução de dimensionalidade e discretização. Posteriormente, é realizada a busca por motifs, que se utiliza de métricas de distâncias para encontrar similaridades entre as séries temporais ou entre sub partes de uma mesma série temporal para estas, destaca-se a aplicação do MINDIST e das distâncias euclidianas. Os resultados obtidos do modelo integrado são reportados em dois estudos de casos, sendo o primeiro sobre trajetórias temporais e o segundo, sobre identificação de padrões temporais. O conjunto de dados utilizado para ambos os casos foram preços comercialização de grãos no mercado interno do Brasil e valores negociados em Bolsa de valores de Chicago-EUA. / One of the main activities economy sector in Brazil is agribusiness and involves several negotiations within the entire supply chain. Researchers Centers, as example CEPEA (Center for Advanced Studies on Applied Economics) from ESALQ / USP, collect daily data of agricultural products, generating information for players and staff of several categories for these markets, including researchers, producers and governmental. These historical data of agricultural market is used to create integrated analyses. However, it is still a challenge deal with the data standard or which statistical techniques is appropriated in order to perform a data analysis. The aim of the thesis is to provide an Agrieconomics analyses by data mining and statistical models, analyzing the relationship between time series, products, markets and time, based on dataset from CEPEA over seven years of daily prices. In order to understand the behaviors and patterns of these time series, two case studies were produced. The first case study was temporal trajectories, the techniques used were Correlations Matrix, Tucker Decomposition and trajectories, which allow a reduction of the matrices and identification of relevant points in the data set. The second case study applied was the patterns identification, where the main idea was understand and highlight events that happens frequently over seven year of daily grain prices quotation in several products. In order to proceed the technique, the data are prepared using the dimensionality and discretization reduction. Next, the search for motifs is performed using metrics distance to find similarities in time series or between parts of the same time series, in special two time series was used, that are MINDIST and Euclidean distances. The results give a understanding of the dynamic of these grains time series, such as, Some important aspects were detect by applying the trajectories, first that the both products soybean and corn prices has opposites trajectories, it is possible to infer this products competes in fields for next crops. On the market analysis, the trajectory of Chicago Stock Market spread the behavior of the prices in Brazil domestic market, both trajectories are similar over the years.

O conhecimento dos processos que constituem a equação do balanço hídrico do solo, ou simplesmente os componentes do balanço de água no solo em campo cultivado é importante, por exemplo, para detectar corretamente períodos de déficits hídricos durante o ciclo das culturas, para indicar a necessidade de irrigação e indicar perdas de nutrientes por lixiviação. Uma vez que estes componentes podem variar no espaço e no tempo, o estudo da estabilidade temporal da variabilidade espacial deles é essencial para determinar adequadamente os pontos de observação no campo (locais) para monitorar a água do solo com precisão e esforço amostral reduzido. Assim, o objetivo deste trabalho é avaliar os componentes do balanço da água (especificamente a variação de armazenamento de água do solo, drenagem interna e evapotranspiração real) em um Latossolo Vermelho-Amarelo cultivado com milho e analisar a variabilidade espacial e temporal por meio da técnica de estabilidade temporal. O estudo foi realizado em uma área do campus da ESALQ/USP, município de Piracicaba, Estado de São Paulo, Brasil (22 º 42 \'43,3 \"S; 47 º 37\' 10,4\" W, 546 m). O relevo da área experimental, que tem 1.500 m², é plano com 60 tubos de alumínio instalados para acesso há uma sonda de nêutrons e 120 tensiômetros com manômetro de mercúrio (60 na profundidade de 0,75 m e 60 na profundidade de 0,85 m). Isso nos permitiu estimar a densidade de fluxo do solo na profundidade do solo 0,80 m por meio da equação de Darcy-Buckingham e o armazenamento de água no solo na camada de 0,0-0,80 m ao longo do ciclo da cultura. A precipitação foi medida por meio de um pluviômetro instalado no centro da área experimental e a evaporação real foi considerada como desconhecida da equação do balanço hídrico. O estudo foi realizado dividindo o ciclo de cultivo em 13 períodos (P1 a P13). O uso da estatística descritiva foi útil para mostrar a variação do comportamento dos dados após a remoção dos pontos discrepantes em alguns períodos. Pelo uso da técnica da estabilidade temporal, foi possível concluir os locais amostrais (pontos) que melhor representaram a drenagem interna no campo foram os pontos 60 e 22 e para armazenamento da água do solo foram os pontos 52 e 49, de modo que em futuras determinações, os equipamentos devem ser instalados nestes locais. Os coeficientes de correlação de Spearman entre os períodos indicam estabilidade temporal para o armazenamento de água no solo, independentemente do teor de água do solo. Para drenagem interna e evapotranspiração real, os valores desses coeficientes foram geralmente baixos, indicando que não há estabilidade temporal. / The knowledge of the process that constitute the soil water balance equation or simply the soil water balance components in field cropping is important, for instance, to correctly detected water deficits periods during the crops cycle, to indicate the need for irrigation and to present nutrient losses by leaching. Since these components can vary in space and time, the study of temporal stability of spatial variability of them is essential to adequality determine the observation points (locations) in the field to monitor soil water with precision and reduced sampling effort. Thus, the objective of this work is to access soil water balance components (specifically soil water storage variation, internal drainage and actual evapotranspiration) in an Oxisol cropped with maize and to analyze spatial and temporal variability technique. The study was carried out in an area of ESALQ/USP campus, county of Piracicaba, State of Sao Paulo, Brazil (22º 42 43,3 S; 47º 37 10,4 W, 546 m). The relief of the experimental area, that has 1,500 m², is plane and is instrumental with 60 aluminium tubes to access a neutron probe and 120 mercury manometer tensiometers (60 at the soil depth of 0.75 m and 60 at the depth of 0.85 m). This enabled us to estimate the soil flux density at the 0.80 m soil depth by Darcy-Buckingham equation and the soil water storage in the 0.0-0.80 m layer along the crop cycle. Rainfall was measured by means of a rain gauge installed in the center of the experimental area and actual evaporation was evaluated as the unknown of the soil water balance equation. The study was carried out diving the crop cycle in 13 periods (P1 to P13). The use of descriptive statistics was useful to show the date behavior variation after outliers removal in some periods. By using the temporal stability technique, it was possible to include that represented locations (points) that better represented the internal drainage in the field were points 60 and 22 those for soil water storage were points 52 and 49, so that in future determinations, equipments should be installed in these locations. Spearman correlation coefficients between periods indicated temporal stability for soil water storage independently of the soil water content. For internal drainage and actual evapotranspiration, values of these coefficients were generally low, indicating no temporal stability.

Esta dissertação tem como objetivo a aplicação de sistemas com arquitetura neuro-fuzzy na predição de funções que geram séries temporais. A arquitetura pesquisada é a Adaptive Neuro-Fuzzy Inference System (ANFIS). Esta arquitetura se trata de um Fuzzy Inference Systems (FIS) im- plementado sob o paradigma das redes neurais artificiais. Ao fazer o uso da tecnologia de redes neurais artificiais, o ANFIS possui a capacidade de apren- dizagem dos dados do ambiente no qual está inserido. Da mesma forma, por implementar um FIS, o ANFIS agrega também a competência de processamento linguístico. Logo, o ANFIS pode ser categorizado como um sistema híbrido. Ao longo dos capítulos estão expostos alguns conceitos e fundamentos da Teoria Fuzzy, assim como das redes neurais artificiais e sistemas híbridos. Ao final do trabalho são realizadas algumas discussões, análises e conclusões, as quais permitem a possibilidade de futuras aplicações e extensão deste. / This master dissertation has as main objetive applies systems of neuro-fuzzy architecture for functions prediction in serie times. The architecture carried out is the Adaptive Neuro-Fuzzy Inference System (ANFIS). This architecture is a kind of Fuzzy Inference Systems (FIS) implemen- tation under a paradigm of arti¯cial neural networks. Making use of technology of arti¯cial neural networks, the ANFIS has the capacity of learning with environ- ment data that inserted on. As the same, the ANFIS had been implemented to be a FIS. Then it can process simbolic variables. So, an ANFIS can be described like a hibrid system. All over the chapters are showed some concepts and fundaments of Fuzzy theory, arti¯cial neural networks and hidrid systems. The purpose of the tests the ANFIS, it were been made from a logistic function and a Mackey-Glass function. This tests were against with an estimation function made by MLP net. At the end of the work are some discussions, analyses and conclusions that allows futures possibilites of applications and extensions of this work.

Made available in DSpace on 2017-07-10T17:11:52Z (GMT). No. of bitstreams: 1 Texto completo - Rosiney.pdf: 7631119 bytes, checksum: 43c0461bb49060121b74d945a88d53d4 (MD5) Previous issue date: 2012-11-26 / The present work proposes a study of the dynamics of a gyroscope using simulated data of an analytical model by comparing with experimental data. Classical mechanical modeling approaches are used to identify the equilibrium points, stability and verification of the regions where the motion equations of the gyroscope can present regular or chaotic behavior. The Lyapunov exponents are identified through the standard method, Eckmann-Ruelle Method, Wolf method with time series and the 0-1 test. The results achieved illustrate the main advantages and drawbacks of each method and allow to observe qualitatively and quantitatively information about the motion of the gyroscope used. / Este trabalho propõe um estudo da dinâmica de um giroscópio usando dados de simulação de um modelo analítico comparando com dados experimentais. Verifica-se a modelagem usando mecânica clássica, estudo de pontos de equilíbrio, estabilidade e verificação de regiões onde o movimento do giroscópio pode ficar regular ou caótico. Os expoentes de Lyapunov são identificados usando o método padrão, método de Eckmann-Ruelle, método deWolf com séries temporais e o teste 0-1. Os resultados alcançados nesta dissertação permitiram comparar as principais vantagens e desvantagens de cada um dos métodos e extrair informações qualitativas e quantitativas sobre o movimento do giroscópio em estudo.

Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-02-10T18:43:02Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_InteligenciaComputacionalAplicada.pdf: 1168689 bytes, checksum: d170c3b2ad97f1417b829d84ffd6ca9f (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-02-14T14:55:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_InteligenciaComputacionalAplicada.pdf: 1168689 bytes, checksum: d170c3b2ad97f1417b829d84ffd6ca9f (MD5) / Made available in DSpace on 2017-02-14T14:55:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_InteligenciaComputacionalAplicada.pdf: 1168689 bytes, checksum: d170c3b2ad97f1417b829d84ffd6ca9f (MD5) Previous issue date: 2015-09-04 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / A previsão de consumo de energia elétrica é uma tarefa que requer modelos computacionais bastante acurados para que possam influenciar corretamente na tomada de decisão em usinas hidrelétricas e distribuidoras de energia. Estes modelos computacionais são implementados a partir de um conjunto de dados que deve representar fielmente o comportamento das variáveis. Porém, nesses conjuntos de dados é bastante comum a presença de outliers, que surgem devido a erros de leitura de sensores, erros no próprio sistema de processamento/armazenamento dos dados ou falhas no sistema de distribuição. Este trabalho propõe então uma nova metodologia baseada em Inteligência Computacional para detecção e correção de outliers em séries temporais de consumo de energia elétrica. Uma rede neural artificial auto-associativa é utilizada para detecção de outliers. Posteriormente, esta rede neural, em conjunto com um algoritmo genético, é utilizada para a correção dos outliers detectados. Esta abordagem foi aplicada a uma série temporal de consumo de Energia Elétrica no Estado do Pará. Os resultados obtidos demonstram a eficiência da metodologia proposta, que identificou e corrigiu todos os outliers virtuais introduzidos durante a fase de avaliação da metodologia. / The electric load prediction is a task that requires accurate models, as should properly influence the decision making in hydroelectric plants and power stations. These computer models are implemented from a data set that must faithfully represent the behavior of the variables. However, these data sets are quite common the presence of outliers, which arise due to sensor reading errors, errors in the actual processing system / storage of data or faults in the distribution system or power station. This paper proposes a new methodology based on Computational Intelligence for detection and treatment of outliers in time series of electric power load. An auto associative artificial neural network is used for outlier detection. Subsequently, it is reused together with a genetic algorithm to correct detected outliers. This approach was applied to a time series of electrical power load in the State of Pará. The computational experiments were performed using the MATLAB tool and the results demonstrate the efficiency of the proposal, which identified and corrected all virtual outliers introduced during the evaluation phase of the methodology.

Um dos principais setores da economia brasileira, o agronegócio envolve uma série de negociações dentro de toda a cadeia produtiva. Instituições de pesquisa como o CEPEA (Centro de Estudos Avançados em Economia Aplicada), da ESALQ/USP, coletam diariamente dados sobre diversos produtos agropecuários, gerando informações para agentes de diferentes categorias interessados no acompanhamento desses mercados, entre eles pesquisadores, produtores e formuladores de políticas públicas. O uso desses dados para realização de análises históricas integradas com análises atuais de mercado, porém, ainda é um desafio, dada a falta de uma padronização e a necessidade de identificação de técnicas computacionais adequadas. O objetivo desta tese é organizar as informações agroeconômicas consolidadas por meio de modelos de Data Mining e estatísticos para gerar análises integradas de relações entre as séries temporais, compreendendo produtos, mercados e o tempo, baseando-se nos dados obtidos pelo CEPEA em 7 anos de coleta diária de preços. As técnicas propostas para o modelo de análise integrada compreendem séries temporais para a projeção de trajetórias temporais e reconhecimento de padrões temporais. Especificamente para as trajetórias temporais, as técnicas utilizadas são de Matrizes de Correlações e Decomposição de Tucker e trajetórias, as quais permitem uma redução das matrizes e identificação de pontos relevantes no conjunto de dados. Já o reconhecimento de padrões nas séries temporais de grande volume de dados é obtido por meio de duas fases. Inicialmente, os dados são preparados utilizando-se as técnicas de redução de dimensionalidade e discretização. Posteriormente, é realizada a busca por motifs, que se utiliza de métricas de distâncias para encontrar similaridades entre as séries temporais ou entre sub partes de uma mesma série temporal para estas, destaca-se a aplicação do MINDIST e das distâncias euclidianas. Os resultados obtidos do modelo integrado são reportados em dois estudos de casos, sendo o primeiro sobre trajetórias temporais e o segundo, sobre identificação de padrões temporais. O conjunto de dados utilizado para ambos os casos foram preços comercialização de grãos no mercado interno do Brasil e valores negociados em Bolsa de valores de Chicago-EUA. / One of the main activities economy sector in Brazil is agribusiness and involves several negotiations within the entire supply chain. Researchers Centers, as example CEPEA (Center for Advanced Studies on Applied Economics) from ESALQ / USP, collect daily data of agricultural products, generating information for players and staff of several categories for these markets, including researchers, producers and governmental. These historical data of agricultural market is used to create integrated analyses. However, it is still a challenge deal with the data standard or which statistical techniques is appropriated in order to perform a data analysis. The aim of the thesis is to provide an Agrieconomics analyses by data mining and statistical models, analyzing the relationship between time series, products, markets and time, based on dataset from CEPEA over seven years of daily prices. In order to understand the behaviors and patterns of these time series, two case studies were produced. The first case study was temporal trajectories, the techniques used were Correlations Matrix, Tucker Decomposition and trajectories, which allow a reduction of the matrices and identification of relevant points in the data set. The second case study applied was the patterns identification, where the main idea was understand and highlight events that happens frequently over seven year of daily grain prices quotation in several products. In order to proceed the technique, the data are prepared using the dimensionality and discretization reduction. Next, the search for motifs is performed using metrics distance to find similarities in time series or between parts of the same time series, in special two time series was used, that are MINDIST and Euclidean distances. The results give a understanding of the dynamic of these grains time series, such as, Some important aspects were detect by applying the trajectories, first that the both products soybean and corn prices has opposites trajectories, it is possible to infer this products competes in fields for next crops. On the market analysis, the trajectory of Chicago Stock Market spread the behavior of the prices in Brazil domestic market, both trajectories are similar over the years.

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.

Em um ambiente de computação em nuvem, as empresas têm a capacidade de alocar recursos de acordo com a demanda. No entanto, há um atraso que pode levar alguns minutos entre o pedido de um novo recurso e o mesmo estar pronto para uso. Por esse motivo, as técnicas reativas, que solicitam um novo recurso apenas quando o sistema atinge um determinado limiar de carga, não são adequadas para o processo de alocação de recursos. Para resolver esse problema, é necessário prever as requisições que chegam ao sistema, no próximo período de tempo, para alocar os recursos necessários antes que o sistema fique sobrecarregado. Existem vários modelos de previsão de séries temporais para calcular as previsões de carga de trabalho com base no histórico de dados de monitoramento. No entanto, é difícil saber qual é o melhor modelo de previsão a ser utilizado em cada caso. A tarefa se torna ainda mais complicada quando o usuário não tem muitos dados históricos a serem analisados. A maioria dos trabalhos relacionados, considera apenas modelos de previsão isolados para avaliar os resultados. Outros trabalhos propõem uma abordagem que seleciona modelos de previsão adequados para um determinado contexto. Mas, neste caso, é necessário ter uma quantidade significativa de dados para treinar o classificador. Além disso, a melhor solução pode não ser um modelo específico, mas sim uma combinação de modelos. Neste trabalho propomos um método de previsão adaptativo, usando técnicas de otimização multiobjetivo, para combinar modelos de previsão de séries temporais. O nosso método não requer uma fase prévia de treinamento, uma vez que se adapta constantemente a medida em que os dados chegam ao sistema. Para avaliar a nossa proposta usamos quatro logs extraídos de servidores reais. Os resultados mostram que a nossa proposta frequentemente converge para o melhor resultado, e é suficientemente genérica para se adaptar a diferentes tipos de séries temporais. / In a cloud computing environment, companies have the ability to allocate resources according to demand. However, there is a delay that may take minutes between the request for a new resource and it is ready for using. The reactive techniques, which request a new resource only when the system reaches a certain load threshold, are not suitable for the resource allocation process. To address this problem, it is necessary to predict requests that arrive at the system in the next period of time to allocate the necessary resources, before the system becomes overloaded. There are several time-series forecasting models to calculate the workload predictions based on history of monitoring data. However, it is difficult to know which is the best time series forecasting model to be used in each case. The work becomes even more complicated when the user does not have much historical data to be analyzed. Most related work considers only single methods to evaluate the results of the forecast. Other work propose an approach that selects suitable forecasting methods for a given context. But in this case, it is necessary to have a significant amount of data to train the classifier. Moreover, the best solution may not be a specific model, but rather a combination of models. In this work we propose an adaptive prediction method using multi-objective optimization techniques to combine time-series forecasting models. Our method does not require a previous phase of training, because it constantly adapts the extent to which the data is coming. To evaluate our proposal we use four logs extracted from real servers. The results show that our proposal often brings the best result, and is generic enough to adapt to various types of time series.

Séries temporais permeiam os mais variados domínios de aplicação, sendo a análise e a compreensão da dinâmica de séries temporais um problema interessante e bastante complexo. Técnicas de visualização têm sido aplicadas com sucesso nesse contexto, pois tiram proveito das habilidades perceptuais humanas ao transformar dados abstratos em informação visual. Nesta dissertação, foi proposta uma metodologia de análise visual para séries temporais multidimensionais. A finalidade dessa metodologia é a exploração e o entendimento do comportamento de material particulado presente na atmosfera de São CarlosSP, para melhor compreender a sinergia entre a qualidade do ar, o clima e as doenças respiratórias. As características do material particulado variam consideravelmente no decorrer do tempo, assumindo diferentes padrões, a depender das condições climáticas. Isso atesta a importância de ferramentas analíticas que sejam capazes de explorar as mudanças temporais dos dados. Duas ferramentas de visualização interativas foram desenvolvidas, utilizando principalmente a linguagem de programação JavaScript com a biblioteca D3. As ferramentas são portáveis em basicamente todos os navegadores web modernos, não exigindo a instalação de softwares específicos para que os usuários acessem-nas e façam as suas pesquisas. Os resultados obtidos a partir das análises dos dados amostrados demonstram que houve uma redução nos níveis de poluentes atmosféricos ao longo dos anos. A efetividade e a utilidade das tecnologias propostas são demonstradas em estudos de caso envolvendo dados reais, validados por especialistas do domínio de interesse. / Time series data are present in a wide variety of applications, and the explorations, analysis, and understanding of time series dynamics are interesting although it is a quite complex problems. Information visualization techniques have been successfully applied in this context taking advantage of human perceptual abilities when transforming abstract data into visual information. In this master dissertation, we present a new visual analytic methodology for multidimensional time series analysis. The aim of the proposed approach is to allow the exploration of the behavior of particulate matter present in the urban atmosphere of São CarlosSP, in order to understand the synergy between air quality, climate, and respiratory diseases. Moreover, the features related to particulate matter vary considerably over time, assuming different patterns according to the weather conditions. This dynamic shows the importance of analytical tools that enable the exploration of temporal changes of the data. We developed two interactive visualization tools, mainly in JavaScript programming language and D3 library. The tools are portable and can be used in all the modern web browsers, not requiring any software installation. The data analysis results show a decrease in atmospheric pollutant level over the years. The effectiveness and usefulness of the proposed technologies are demonstrated in case studies which involve real data and it is validated by domain experts.