La Méditerranée est caractérisée par des concentrations en nutriments parmi les plus faibles au monde, et qui montrent des valeurs décroissantes d’ouest en est. A l’échelle climatologique, le bassin est dominé par un régime subtropical, à l’exception de certaines zones spécifiques, qui présentent une dynamique typique des régions tempérées. Malgré l’importance des nutriments pour ces cycles, on connaı̂t peu de chose sur leur variabilité temporelle car les données disponibles sont souvent insuffisantes à l’échelle du bassin. L’objectif principal de ce travail est d’aborder cette question à différentes échelles de temps. L’exploitation de la série temporelle DYFAMED a d’abord permis de décrire le cycle saisonnier et les tendances décennales des concentrations en nutriments en Méditerranée nord-occidentale. L’analyse des données d’apports atmosphériques de la station du Cap Ferrat à complété ce travail, en évaluant l’importance relative des processus d’approvisionnement en nutriments des eaux de surface. Pour élargir l’étude à l’ensemble du bassin, nous avons par la suite considéré des mesures acquises par des flotteurs Bio-Argo (déployés dans le cadre de l’EQUIPEX NAOS), équipés de capteurs optiques mesurant les concentrations en nitrate (SUNA). Ces flotteurs sont en train de changer fondamentalement la manière dont nous observons les océans, et cette thèse est l’une des premières à documenter cette révolution technologique. Ils ont rendu possible, pour la première fois en Méditerranée, une description des cycles saisonniers des concentrations en nitrate, simultanément en différentes zones du bassin. Ces données ont aussi souligné l’importance de la variabilité temporelle haute fréquence, permettant de réévaluer le rôle de certains processus. / The Mediterranean Sea is characterized by nutrient concentrations among the lowest in the world, and which exhibit decreasing values eastward. At climatological scale, a subtropical-like regime dominates almost the entire basin, except for some areas where temperate like dynamics are found. Despite the importance of nutrients on these cycles, very little is known about their temporal variability, due to the overall data scarcity at basin scale. This work mainly aims to address this issue at various time scales. Data from the DYFAMED time-series were firstly examined, and allowed the description of the seasonal cycle and decadal trends of nutrient concentrations, in the northwestern Mediterranean. The analysis of atmospheric data from the Cap Ferrat station completed this work, and permitted to evaluate the relative contributions of the different processes that provide nutrients in surface. The study was then extended to the whole basin by considering measurements acquired by Bio-Argo floats (deployed in the framework of the NAOS EQUIPEX), equipped with a nitrate sensor (SUNA). These floats are about to fundamentally change the way we observe the ocean, and present work is among the first to document this ongoing technological revolution. They allowed, for the first time in the Mediterranean, the monitoring of seasonal variability of nitrate concentrations, simultaneously in different areas of the basin. This data also highlighted the significance of the high frequency temporal variability, which enables to reevaluate the role of some processes.

Motivés par des besoins en industrie microélectronique, ces travaux apportent des contributions en modélisation probabiliste de données spatiales, et en maîtrise statistique de procédés.Le problème spatial a pour spécificité d’être posé sur un domaine circulaire. Il se représente par un modèle de krigeage dont la partie déterministe est constituée de polynômes orthogonaux et la partie stochastique de processus gaussiens. Traditionnellement définis avec la norme euclidienne et la mesure uniforme sur le disque, ces choix n’exploitent pas les informations a priori sur les procédés d’usinage.Pour tenir compte des mécanismes de rotation ou de diffusion à partir du centre, nous formalisons les processus gaussiens polaires sur le disque. Ces processus intègrent les corrélations radiales et angulaires dans le modèle de krigeage, et en améliorent les performances dans les situations considérées. Ils sont ensuite interprétés par décomposition de Sobol et généralisés en dimension supérieure. Des plans d’expériences sont proposés dans le cadre de leur utilisation. Au premier rang figurent les cylindres latins qui reproduisent en coordonnées polaires les caractéristiques des hypercubes latins.Pour intégrer à la fois les aspects spatiaux et temporels du problème industriel, la maîtrise statistique de procédé est abordée en termes d’application de cartes de contrôle aux paramètres des modèles spatiaux. Les séries temporelles suivies ont aussi la particularité de comporter des données atypiques et des changements structurels, sources de biais en prévision, et de fausses alarmes en suivi de risque. Ce problème est traité par lissage robuste et adaptatif. / Driven by industrial needs in microelectronics, this thesis is focused on probabilistic models for spatial data and Statistical Process Control. The spatial problem has the specificity of being defined on circular domains. It is addressed through a Kriging model where the deterministic part is made of orthogonal polynomials and the stochastic term represented by a Gaussian process. Defined with the Euclidean distance and the uniform measure over the disk, traditional Kriging models do not exploit knowledge on manufacturing processes. To take rotations or diffusions from the center into account, we introduce polar Gaussian processes over the disk. They embed radial and angular correlations in Kriging predictions, leading to significant improvements in the considered situations. Polar Gaussian processes are then interpreted via Sobol decomposition and generalized in higher dimensions. Different designs of experiments are developed for the proposed models. Among them, Latin cylinders reproduce in the space of polar coordinates the properties of Latin hypercubes. To model spatial and temporal data, Statistical Process Control is addressed by monitoring Kriging parameters, based on standard control charts. Furthermore, the monitored time – series contain outliers and structural changes, which cause bias in prediction and false alarms in risk management. These issues are simultaneously tackled with a robust and adaptive smoothing.

Cette thèse traite du comptage d'extensions cubiques relatives. Dans le premier chapitre on traite un travail commun avec Henri Cohen. Soit k un corps de nombres. On donne une formule asymptotique pour le nombre de classes d'isomorphisme d'extensions cubiques L/k telles que la clôture galoisienne de L/k contienne une extension quadratique fixée K_2/k. L'outil principal est la théorie de Kummer. Dans le second chapitre, on suppose k un corps quadratique imaginaire (avec nombre de classes 1) et on décrit un algorithme pour énumérer toutes les classes d'isomorphisme d'extensions cubiques L/k jusqu'à une certaine borne X sur la norme du discriminant relatif. / This thesis is about counting relative cubic extensions. In the first chapter we describe a joint work with Henri Cohen. Let k be a number field. We give an asymptotic formula for the number of isomorphism classes of cubic extensions L/k such that the Galois closure of L/k contains a fixed quadratic extension K_2/k. The main tool is Kummer theory. In the second chapter, we suppose k to be an imaginary quadratic number field (with class number 1) and we describe an algorithm for listing all isomorphism classes of cubic extensions L/k up to a bound X on the norm of the relative discriminant ideal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse s’intéresse à l’analyse de séries temporelles d’images satellites à moyenne résolution spatiale. L’intérêt principal de telles données est leur haute répétitivité qui autorise des analyses de l’usage des sols. Cependant, deux problèmes principaux subsistent avec de telles données. En premier lieu, en raison de la couverture nuageuse, des mauvaises conditions d’acquisition, ..., ces données sont souvent très bruitées. Deuxièmement, les pixels associés à la moyenne résolution spatiale sont souvent “mixtes” dans la mesure où leur réponse spectrale est une combinaison de la réponse de plusieurs éléments “purs”. Ces deux problèmes sont abordés dans cette thèse. Premièrement, nous proposons une technique d’assimilation de données capable de recouvrer des séries temporelles cohérentes de LAI (Leaf Area Index) à partir de séquences d’images MODIS bruitées. Pour cela, le modèle de croissance de plantes GreenLab estutilisé. En second lieu, nous proposons une technique originale de démélangeage, qui s’appuie notamment sur des noyaux “élastiques” capables de gérer les spécificités des séries temporelles (séries de taille différentes, décalées dans le temps, ...)Les résultats expérimentaux, sur des données synthétiques et réelles, montrent de bonnes performances des méthodologies proposées. / This PhD dissertation is concerned with time series analysis for medium spatial resolution (MSR) remote sensing images. The main advantage of MSR data is their high temporal rate which allows to monitor land use. However, two main problems arise with such data. First, because of cloud coverage and bad acquisition conditions, the resulting time series are often corrupted and not directly exploitable. Secondly, pixels in medium spatial resolution images are often “mixed” in the sense that the spectral response is a combination of the response of “pure” elements.These two problems are addressed in this PhD. First, we propose a data assimilation technique able to recover consistent time series of Leaf Area Index from corrupted MODIS sequences. To this end, a plant growth model, namely GreenLab, is used as a dynamical constraint. Second, we propose a new and efficient unmixing technique for time series. It is in particular based on the use of “elastic” kernels able to properly compare time series shifted in time or of various lengths.Experimental results are shown both on synthetic and real data and demonstrate the efficiency of the proposed methodologies.

Orientador: Takaaki Ohishi, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-04T02:13:02Z (GMT). No. of bitstreams: 1 Salgado_RicardoMenezes_M.pdf: 1108780 bytes, checksum: 10c15c1a0a011bd71da16f4211028ae8 (MD5) Previous issue date: 2004 / Resumo: Na operação de um sistema de energia elétrica, uma etapa importante é a determinação da programação da operação diária, a qual determina um plano de produção de energia elétrica para o(s) próximo(s) dia(s) para cada uma das unidades geradoras do sistema, geralmente em base horária ou de meia hora. Esta programação é utilizada pela operação em tempo real do sistema como uma referência operativa, e por isso é importante que a solução proposta assegure uma operação adequada do sistema. Para avaliar o impacto de um dado programa de operação sobre o sistema de transmissão, é necessário que se conheça a distribuição da carga ao longo da rede, pois o carregamento nas linhas de transmissão e transformadores depende da demanda de carga em cada barramento (ponto de entrega de energia elétrica). Num contexto de planejamento da operação diária é necessário conhecer a carga em cada barramento em cada intervalo de tempo considerado na programação. Ou seja, faz-se necessário uma previsão de carga de curto prazo por barramento. O principal objetivo desta dissertação foi desenvolver um modelo de previsão de carga diária ativa, em base horária, por barramento. Dois tipos de metodologias foram implementadas: metodologias de previsão individual (MPI) que trata cada barramento de forma isolada e metodologias de previsão agregada (MPA) na qual a previsão é feita uma única vez para um dado conjunto de barramentos. O modelo agregado visa diminuir a necessidade da realização de previsões para cada barramento, propondo para isto, a realização de uma única previsão de forma agregada; este modelo é composto de três fases: (i) fase de agregação - onde as cargas dos barramentos são agregadas; (ii) fase de previsão - que é realizada através da série agregada em (i); (iii) fase de desagregação - onde a previsão é distribuída através dos barramentos agregados. Para agregar os barramentos utilizou-se técnicas de agrupamento de dados. A metodologia de previsão individual atende aos barramentos que apresentam pouca similaridade no seu perfil de demanda, quando comparados a outros barramentos, desta forma a sua agregação resulta em altos erros. Para os barramentos que apresentam alta similaridade com outros barramentos, as metodologias agregadas foram eficientes na previsão, proporcionando um menor número de previsões e resultados de boa qualidade. Os dados utilizados para testar os modelos são dados reais medidos em um sistema de transmissão e sub-transmissão do nordeste brasileiro / Abstract: In the operation of an electric power system, an important stage is the determination of the daily operation programme, which determines a plan of electric power production for the following day(s) for each of the generating units of the system, usually on an hourly or a half-hourly basis. This programme is used by the system's real time operation as an operational reference, and therefore it is important that the proposed solution should assure an appropriate operation of the system. To evaluate the impact of any given operation programme on the transmission system, the distribution of the load along the net must be known, since the loading in the transmission lines and transformers depends on the load demand in each bus (point of electric power delivery). In a daily operation planning context, it is necessary to know the load in each bus in each time interval considered in the programme. In other words, a short-term load forecast per bus is necessary. The main goal of this work was to develop a daily active load forecast model, on an hourly basis, per bus. Two types of methodologies were implemented: individual forecast methodology (MPI) that adresses each bus in an isolated way and aggregated forecast methodology (MPA) in which the forecast is made a single time for a given group of buses. The aggregate model seeks to reduce the need of forecasts being made for each bus, proposing for that a single forecast in an aggregated way. This model is composed of three stages: (i) aggregation phase - where the loads of the buses are joined; (ii) forecast phase - which is made through the aggregated series in (i); (iii) disaggregation phase - where the forecast is distributed through the joined buses. Two data c1ustering techniques were used for aggregating the buses. The individual forecast methodology considers the buses that present little similarity in their demand profile, when compared to the other buses, thus their aggregation results in high error rates. For the buses that present high similarity to other buses, the aggregated methodologies were efficient in the forecast, providing a smaller number of forecasts and results of good quality. The database used to test the models features real data measured in the transmission system and subtransmission of the Brazilian northeast region / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica

Submitted by Luiza Maria Pereira de Oliveira (luiza.oliveira@ufpe.br) on 2017-07-20T17:58:36Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5) / Made available in DSpace on 2017-07-20T17:58:36Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5) Previous issue date: 2011-12-22 / A previsão de ventos é de extrema importância para auxiliar nos estudos de planejamento e programação da operação da geração eólica. Vários estudos já comprovaram que o potencial eólico brasileiro, principalmente no Nordeste, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco, pode contribuir significativamente para o suprimento de energia elétrica. Entretanto, o uso das forças dos ventos para produção de energia elétrica produz alguns inconvenientes, tais como, incertezas na geração e a dificuldade no planejamento e operação do sistema elétrico. Este trabalho propõe e desenvolve modelos de previsões de velocidades médias horárias de ventos e geração eólica a partir de técnicas de Redes Neurais Artificiais, Lógica Fuzzy e Análise Wavelet. Os modelos foram ajustados para realizar previsões com passos variáveis de até vinte e quatro horas. Para as previsões realizadas com alguns dos modelos desenvolvidos, os ganhos em relação aos modelos de referência foram da ordem de 80% para as previsões com passo de uma hora. Os resultados demonstraram que a Análise Wavelet aliada às ferramentas de inteligência artificial fornecem previsões muito mais confiáveis do que aquelas obtidas com os modelos de referência, principalmente para as previsões com passos de 1 – 6 horas. / Wind forecasting is extremely important to assist in planning and programming studies for the operation of wind power generation. Several studies have shown that the Brazilian wind potential can contribute significantly to the supply of electricity, especially in the Northeast, where the winds have an important feature of complementarity in relation to the flows of the San Francisco River. However, the use of of wind to generate electricity has some drawbacks, such as uncertainties in generation and some difficulty in planning and operation of the power system. This work proposes and develops models to forecast hourly average wind speeds and wind power generation based on techniques of Artificial Neural Networks, Fuzzy Logic and Wavelets. The models were adjusted for forecasting with variable steps up to twenty-four hours ahead. The gain of some models developed in relation to the reference models were approximately 80% for forecasts in a period of one hour ahead. The results showed that the wavelet analysis combined with artificial intelligence tools provide forecasts more reliable than those obtained with the reference models, especially for forecasts in a period of 1 to 6 hours ahead.

Orientador: Celso Pascoli Bottura / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-27T02:15:32Z (GMT). No. of bitstreams: 1 Alegria_ElvisOmarJara_M.pdf: 5581682 bytes, checksum: cd5b08b04c7ba4bcd505ab00e5335ffc (MD5) Previous issue date: 2015 / Resumo: Este trabalho é sobre a identificação recursiva em tempo real das dependências parâmetro-estado em modelos de regressão de series temporais estocásticas. O descobrimento dessas dependências é útil para obter uma nova, e mais acurada, estrutura do modelo. Os métodos recursivos convencionais de estimação de parâmetros variantes no tempo, não conseguem bons resultados quando os modelos apresentam parâmetros dependentes do estado (SDP) pois eles tem comportamento altamente não linear e inclusive caótico. Nossa proposta está baseada no estudo de Peter Young para SDPs no caso Off-Line. É discutido o método que ele propõe para reduzir a entropia das séries nos modelos com SDP e para isto se apresenta umas transformações dos dados. São propostas mudanças no seu algoritmo Off-Line que o fazem mais rápido, eficiente e manejável para a implementação do modo On-Line. Finalmente, três exemplos numéricos são mostrados para validar as nossas propostas e a sua aplicação na área de detecção de falhas paramétricas. Todas as funções foram implementadas no MATLAB e conformam um toolbox para identificação de SDP em modelos de regressão / Abstract: This work is about the identification of the dependency among parameters and states in regression models of stochastic time series. The discovery of that dependency can be useful to obtain a more accurate model structure. Conventional recursive algorithms for estimation of Time Variable Parameters do not provide good results in models with state-dependent parameters (SDP) because these may have highly non-linear and even chaotic behavior. This work is based on Peter Young's studies about Off-Line SDP. Young's methods to data entropy reduction are discussed and some data transformations are proposed for this. Later, are proposed some changes on the Off-Line algorithm in order to improve its velocity, accuracy, and tractability to generate the On-Line version. Finally, three numeric examples to validate our proposal are shown. All the functions were implemented in MATLAB and conform a Toolbox to the SDP identification in regression models / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientadores: Pedro Luis Dias Peres, Ricardo Coração de Leão Fontoura de Oliveira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-27T08:37:55Z (GMT). No. of bitstreams: 1 Braga_MarcioFeliciano_D.pdf: 944285 bytes, checksum: 3305c11425207a3bbee3feae45b3b073 (MD5) Previous issue date: 2015 / Resumo: Esta tese investiga o problema de discretização de sistemas lineares incertos em dois cenários distintos. O primeiro supõe que as matrizes do sistema e a taxa de amostragem são incertas e invariantes no tempo, descritas em termos de politopos. No segundo caso supõe-se que todos os parâmetros incertos, incluindo o intervalo de amostragem, podem variar no tempo; que os parâmetros do sistema possuem limitantes conhecidos para a taxa de variação e são continuamente monitorados, de forma que uma nova amostra é coletada sempre que ocorrer uma mudança significativa nos parâmetros ou quando um intervalo máximo desde a última amostragem for atingido, caracterizando-se assim a chamada amostragem baseada em eventos. O objetivo é projetar controladores digitais para o sistema discretizado e garantir teoricamente a estabilidade robusta em malha fechada do sistema contínuo original. Considera-se também um atraso induzido pela rede no modelo discreto. Do ponto de vista da discretização, propõem-se extensões da expansão em série de Taylor até um grau arbitrário l aplicada ao sistema original como uma solução para tratar as expressões envolvendo exponenciais de matrizes incertas. O modelo discreto resultante é composto por matrizes polinomiais homogêneas de grau l com parâmetros pertencentes ao produto cartesiano de simplexos unitários, chamado multi-simplex, mais um termo aditivo limitado em norma que representa o erro residual de aproximação. Modelos mais acurados são obtidos com o aumento do grau l que, consequentemente, produz resíduos com menor norma, possibilitando resultados de síntese menos conservadores. Também são propostas condições na forma de desigualdade matriciais lineares para a síntese de controladores digitais robustos por realimentação de estados e de saída, cômputo de norma H2 e análise de estabilidade para sistemas discretos polinomiais com incertezas aditivas limitadas em norma. As condições empregam funções de Lyapunov com dependência polinomial nos parâmetros incertos para certificar a estabilidade em malha fechada do sistema controlado. Em alguns casos, as desigualdades matriciais possuem um parâmetro escalar, tornando-se lineares para valores fixos desse parâmetro. Os resultados obtidos são gradativamente menos conservadores com o aumento do grau da matriz de Lyapunov, podendo ainda ser melhorados com o auxílio de uma busca linear no parâmetro escalar. Experimentos numéricos são apresentados para ilustrar a versatilidade da metodologia proposta, aplicável a uma classe mais geral de problemas de controle por rede que os métodos existentes na literatura / Abstract: This thesis investigates the problem of discretization of uncertain linear systems in two distinct scenarios. The first one supposes that the matrices of the system and the sampling rate are uncertain and time-invariant, described in terms of polytopes. The second case considers that all uncertain parameters, including the sampling interval, can vary in time and that the parameters of the system have known bounds for the rate of variation and are continuously monitored, in such a way that a new sample is collected whenever a significant change in the parameters occurs or when a maximum time interval since the previous sample is reached, thus characterizing the so-called event-based sampling. The aim is to design digital controllers for the discretized system and to guarantee the closed-loop robust stability of the original continuous-time system. A network-induced delay is also considered in the discretetime model. From the discretization point of view, extensions of the Taylor series expansion of an arbitrary degree ℓ applied to the original system are proposed as a solution to deal with expressions involving the exponential of uncertain matrices. The resulting discrete-time model consists of homogeneous polynomial matrices of degree ℓ with parameters belonging to the Cartesian product of unit simplexes, called multi-simplex, plus an additive norm-bounded term which represents the approximation residual error. More accurate models are obtained with the increase in the degree ℓ which, consequently, yields residues with lower norms, allowing to produce less conservative synthesis results. Conditions based on linear matrix inequalities for the synthesis of robust state-feedback and output-feedback digital controllers, H2 norm computation, and stability analysis for polynomial discrete-time systems with additive norm-bounded terms are also proposed. The conditions employ Lyapunov functions with polynomial dependency on the uncertain parameters to certify the closed-loop stability of the controlled system. In some cases, the matrix inequalities have a scalar parameter, becoming linear for fixed values of the parameter. The obtained results are gradually less conservative with the increase of the degree of the Lyapunov matrix and can be further enhanced with the help of a line search in the scalar parameter. Numerical experiments are presented to illustrate the versatility of the proposed methodology, applicable to a more general class of networked control problems than the existing methods in the literature. / Doutorado / Automação / Doutor em Engenharia Elétrica

Mineração de dados tem sido cada vez mais aplicada em distintas áreas com o objetivo de extrair conhecimento interessante e relevante de grandes conjuntos de dados. Nesse contexto, aprendizado de máquina fornece alguns dos principais métodos utilizados em mineração de dados. Dentre os métodos empregados em aprendizado de máquina destacam-se os simbólicos que possuem como principal contribuição a interpretabilidade. Entretanto, os métodos de aprendizado de máquina tradicionais, como árvores e regras de decisão, não consideram a informação temporal presente nesses dados. Este trabalho propõe uma metodologia para extração de conhecimento de séries temporais por meio da extração de características e da identificação de motifs. Características e motifs são utilizados como atributos para a extração de conhecimento por métodos de aprendizado de máquina. Essa metodologia foi avaliada utilizando conjuntos de dados conhecidos na área. Foi realizada uma análise comparativa entre a metodologia e a aplicação direta de métodos de aprendizado de máquina sobre as séries temporais. Os resultados mostram que existe diferença estatística significativa para a maioria dos conjuntos de dados avaliados. Finalmente, foi realizado um estudo de caso preliminar referente ao monitoramento ambiental do reservatório da Usina Hidrelétrica Itaipu Binacional. Nesse estudo somente a identificação de motifs foi aplicada. Foram utilizadas séries temporais referentes à temperatura da água coletadas em distintas regiões do reservatório. Nesse estudo observou-se a existência de um padrão na distribuição dos motifs identificados para cada região do reservatório, corroborando com resultados consagrados na literatura / Data mining has been applied to several areas with the objective of extracting interesting and relevant knowledge from large data bases. In this scenario, machine learning provides some of the main methods employed in data mining. Symbolic learning are among the most used machine learning methods since these methods can provide models that can be interpreted by domain experts. However, traditional machine learning methods, such as decision trees and decision rules, do not take into account the temporal information present into data. This work proposes a methodology to extract knowledge from time series data using feature extraction and motif identification. Features and motifs are used as attributes for knowledge extraction performed by machine learning methods. This methodology was evaluated using some well-known data sets. In addition, we compared the proposed methodology to the approach that feeds machine learning algorithms with raw time series data. Results show that there are statistically significant differences for most of the data sets employed in the study. Finally, it is presented a preliminary study with environmental monitoring data from the Itaipu reservoir, made available by Itaipu Binacional. This study is restricted to the application of motif identification. We have used time series of water temperature collected from several regions of the reservoir. In this study, a pattern in motif distribution was observed for each region of the reservoir, agreeing with some well-known literature results