Analisar fenômenos aeroelásticos não-lineares através de dados experimentais é uma poderosa ferramenta para a identificação e controle de comportamentos aeroelásticos adversos. A modelagem matemática de sistemas aeroelásticos não-lineares não é trivial, fato que muitas vezes leva a admissão de simplificações, afastando o modelo da realidade. Desta forma, a análise de sistemas dinâmicos sem a necessidade de um modelo, feita através da análise de séries temporais obtidas de experimentos, pode fornecer melhores resultados. Alguns métodos de análise de séries temporais, como o método da defasagem, para reconstrução do espaço de estados, são sensíveis ao ruído, inevitavelmente presente em qualquer série temporal experimental. Este trabalho apresenta a técnica da decomposição em valores singulares (SVD), que reconstrói o espaço de estados eliminando o ruído presente na série temporal em um único processo. O método SVD é aplicado em séries temporais aeroelásticas, obtidas experimentalmente de um modelo de asa ensaiado em túnel de vento. Com os espaços de estados reconstruídos, é feita uma análise qualitativa do sistema aeroelástico, a evolução dos atratores obtidos com a variação de alguns parâmetros é apresentada. Comparações com o método da defasagem são realizadas com a aplicação dos métodos a uma série temporal aeroelástica do experimento. Os resultados mostram que a técnica (SVD) é mais confiável que o método da defasagem, os atratores obtidos revelam a ocorrência de bifurcações e comportamentos complexos, possivelmente caóticos. / Nonlinear aeroelastic phenomena analysis by using experimental data is a powerful tool for identification and control of adverse aeroelastic behaviors. Mathematical models for nonlinear aeroelastic systems are not trivial, by this, simplifications are assumed, thereby deviating from reality. Then, the analysis of dynamic systems without the need of a mathematical model, done by the analysis of experimental time series, may provide better results. However, methods of time series analysis, like the method of delays, for state space reconstruction are sensitive to noise, unavoidably present in experimental data. This work presents the application of singular value decomposition (SVD) that reconstructs the state space, eliminating noise present in the time series. The SVD method is applied in experimental aeroelastic time series, obtained from a wind tunnel wing model. With the reconstructed state spaces, qualitative analyses are done and the evolutions of the obtained attractors with parametric variation are presented. Comparisons with the method of delays are realized by applying MOD and SVD in a same experimental aeroelastic time series. The results show that the SVD method is more reliable than MOD and the obtained attractors reveal the occurrence of bifurcations and complex behavior, possibly chaotic.

A previsão do consumo de energia elétrica do Brasil é muito importante para os órgãos reguladores do setor. Uma série de metodologias têm sido utilizadas para a projeção desse consumo. Destacam-se os modelos de regressão com dados em painel, modelos de cointegração e defasagem distribuída, modelos estruturais de séries temporais e modelos de Box & Jenkins de séries temporais, dentre outros. Neste trabalho estimar-se um modelo de previsão do consumo comercial, industrial e residencial de energia brasileiro por meio de modelos SARMAX. Nesses modelos o consumo de energia pode ser estimado por meio de uma regressão linear múltipla considerando diversas variáveis macroeconômicas como variáveis explicativas. Os resíduos desse modelo são explicados por meio de um modelo de Box & Jenkins. Neste estudo realiza-se uma pesquisa bibliográfica sobre fatores que influenciam no consumo de energia elétrica e levantam-se variáveis proxies para prever este consumo no Brasil. Utiliza-se uma base de dados mensal no período entre Janeiro de 2003 e Setembro de 2010 para construção de cada um dos três modelos de previsão citados. Utilizase uma amostra de validação de Outubro de 2010 até Fevereiro de 2011. Realiza-se a avaliação dos modelos estimados em termos de adequação às premissas teóricas e ao desempenho nas medidas de acurácia MAPE, RMSE e coeficiente de determinação ajustado. Os modelos estimados para o consumo de energia elétrica dos setores comercial, industrial e residencial obtêm um MAPE de 2,05%, 1,09% e 1,27%; um RMSE de 144,13, 185,54 e 158,40; e um coeficiente de determinação ajustado de 95,91%, 93,98% e 96,03% respectivamente. Todos os modelos estimados atendem os pressupostos de normalidade, ausência de autocorrelação serial e ausência de heterocedasticidade condicionada dos resíduos. Os resultados confirmaram a viabilidade da utilização das variáveis macroeconômicas testadas para estimar o consumo de energia elétrica por setores e a viabilidade da metodologia para a previsão destas séries na amostra de dados selecionada. / The prediction of electricity consumption in Brazil is very important to the industry regulators. A number of methodologies have been used for the projection of this consumption. Noteworthy are the regression models with data in panel, co-integration and distributed lag models, time series structural models and Box & Jenkins time series models among others. In this work we intend to estimate a forecasting model of the Brazilian commercial, industrial and residential consumption of energy by means of SARMAX models. In these models the power consumption can be estimated by a multiple linear regression considering various macro-economic variables as explanatory variables. The residues of this model are explained by a Box & Jenkins model. In this study it is carried out a bibliographic research on factors that influence energy consumption and proxy variables are risen to predict the consumption in Brazil. The consumption of electricity is estimated for the commercial, industrial and residential sectors. It is used a monthly data base over the period between January 2003 and September 2010 for the construction of each of the three prediction models mentioned. It is used a validation sample from October 2010 to February 2011. It is carried out the assessment of the estimated models in terms of compliance with the theoretical premises and the performance on measures of accuracy MAPE, RMSE and adjusted determinant coefficient. The estimated models for the energy consumption of commercial, industrial and residential sectors obtain a MAPE of 2.05%, 1.09% and 1.27%; a RMSE of 144.13, 185.54 and 158.40; and a adjusted determinant coefficient of 95.91%, 93.98% and 96.03% respectively. All estimated models satisfy the assumptions of normality, absence of serial autocorrelation and absence of conditioned heteroscedasticity of the residues. The results confirmed the viability of the usage of the macroeconomic variables tested to estimate the energy consumption by sector and the viability of the methodology for the prediction of these series in the selected data sample.

Este estudo tem como problema de pesquisa a previsão de retorno de ativos financeiros. Buscou verificar a existência de relação entre memória ou dependência de longo prazo em séries temporais fractais e erro de previsão de retornos de ativos financeiros obtida por meio de Redes Neurais Artificiais (RNA). Espera-se que séries temporais fractais com maior memória de longo prazo permitam obter previsões com menor nível de erro, na medida em que a correlação entre os elementos da série favoreça a qualidade de previsão de RNA. Como medida de memória de longo prazo, foi calculado o expoente de Hurst de cada série temporal, o qual sofreu uma transformação para atuar como um índice de previsibilidade. Para medir o erro de previsão, foi utilizada a Raiz do Erro Quadrado Médio (REQM) produzida pela RNA em cada série temporal. O cálculo do expoente de Hurst foi realizado por meio do algoritmo da análise Rescaled Range (R/S). A arquitetura de RNA utilizada foi a de Rede Neural com Atraso Alimentada Adiante (TLFN), tendo como processo de aprendizagem supervisionada o modelo de retropropagação com gradiente descendente para minimização do erro. A amostra foi composta por ativos financeiros brasileiros negociados na Bolsa de Valores, Mercadorias e Futuros de São Paulo (BM&FBovespa), especificamente ações de companhias abertas e fundos de investimentos imobiliários em um período de 10 anos. Os resultados mostraram que a relação entre as variáveis foi significativa para previsões de retornos médios diários de 126 e 252 dias úteis e não significativa para previsão de retorno de 1 dia útil. Quando a análise foi realizada em somente ativos financeiros com expoentes de Hurst persistentes, a relação foi significativa para previsão de 1 dia útil e ainda mais significativa para previsão de 126 e 252 dias úteis, não sendo significativa quando realizada a análise em somente os ativos financeiros antipersistentes. A amostra foi também particionada entre os ativos que participaram e os que não participaram do índice Bovespa (IBOVESPA) no terceiro quadrimestre de 2013. Quando analisados somente os ativos que participaram do IBOVESPA, não houve relação significativa entre as variáveis estudadas, havendo relação significativa somente quando analisados os ativos não participantes. A participação no IBOVESPA apresentou relação significativa com memória de longo prazo e não foi encontrada relação significativa dessa participação com o erro de previsão de RNA. Os resultados encontrados sugerem que o expoente de Hurst pode ser utilizado previamente para selecionar séries temporais de retornos de ativos financeiros que são mais viáveis de serem previstos, particularmente escolhendo aqueles ativos com retornos mais persistentes e que não participem do IBOVESPA. Um gestor que deseje imprimir uma administração mais ativa de seus investimentos poderia utilizá-lo para selecionar uma carteira de ativos com essas características e realizar previsões com qualidade superior ao utilizar RNA. Um investidor que execute uma administração passiva de investimentos deveria compô-la com ativos com expoentes de Hurst característicos de processos em passeio aleatório, a fim de que não seja prejudicado por movimentos não aleatórios do mercado contra os quais não esteja se protegendo. / This study has the research problem of forecasting financial assets return. It aimed to verify the existence of relationship between long-term memory or dependence in fractal time series and prediction error of financial assets returns obtained by Artificial Neural Networks (ANN). It is expected that fractal time series with larger memory could achieve predictions with lower error, since the correlation between the elements of the series favors the quality of ANN prediction. As a long-term memory measure, the Hurst exponent of each time series was calculated, which has undergone a transformation to act as an index of predictability. To measure the prediction error, the Root Mean Square Error (RMSE) produced by ANN in each time series was used. The Hurst exponent computation was conducted through the rescaled range analysis (R/S) algorithm. The ANN architecture was Time Lagged Feedforward Neural Network (TLFN), with backpropagation supervised learning process and gradient descent for error minimization. The sample was composed of Brazilian financial assets traded in the Securities, Commodities & Futures Exchange of Sao Paulo (BM&FBovespa), more specifically public companies shares and real estate investment funds. The results showed that the relationship between the variables was significant for forecasting daily average returns of 126 and 252 business days, and not significant for predicting returns of 1 business day. When the analysis was performed only in financial assets with persistent Hurst exponents, the relationship was significant for predicting returns of 1 business day and even more significant for prediction returns of 126 and 252 business days. The relationship was not significant when the analysis was performed in only antipersistent financial assets. The sample was also partitioned among the assets participating and not participating in the Bovespa Index (IBOVESPA) of the third quarter of 2013. When only assets that participated in the IBOVESPA are considered, there was no significant relationship between the variables studied, existing significant correlation only when no participants are considered. Participation in IBOVESPA showed a significant relationship with long-term memory and no significant relationship of such participation with ANN prediction error was found. The results suggest that the Hurst exponent can be used to previously select time series of financial assets returns that are most feasible to predict, particularly choosing those assets with more persistent returns and not participating in the IBOVESPA. A manager who wishes to make a more active investment management could use it to select a portfolio with these characteristics and make predictions with superior quality when using artificial neural networks. An investor who accomplishes a passive investment management should compound his portfolio with assets that follows Hurst exponents characteristic of random walk processes, so that his is not impaired by no random market movement that he is not protected.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-03-15T12:52:14Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Jarley_Nobrega_CORRIGIDA.pdf: 12392055 bytes, checksum: 30d9ff36e7236d22ddc3a16dd942341f (MD5) / Made available in DSpace on 2016-03-15T12:52:14Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Jarley_Nobrega_CORRIGIDA.pdf: 12392055 bytes, checksum: 30d9ff36e7236d22ddc3a16dd942341f (MD5) Previous issue date: 2015-08-24 / Em aplicações de aprendizagem de máquina, é comum encontrar situações onde o conjunto de entrada não está totalmente disponível no início da fase de treinamento. Uma solução conhecida para essa classe de problema é a realização do processo de aprendizagem através do fornecimento sequencial das instâncias de treinamento. Entre as abordagens mais recentes para esses métodos, encontram-se as baseadas em redes neurais do tipo Single Layer Feedforward Network (SLFN), com destaque para as extensões da Extreme Learning Machine (ELM) para aprendizagem sequencial. A versão sequencial da ELM, chamada de Online Sequential Extreme Learning Machine (OS-ELM), utiliza uma solução recursiva de mínimos quadrados para atualizar os pesos de saída da rede através de uma matriz de covariância. Entretanto, a implementação da OS-ELM e suas extensões sofrem com o problema de multicolinearidade entre os elementos da matriz de covariância. Essa tese introduz um novo método para aprendizagem sequencial com capacidade para tratar os efeitos da multicolinearidade. Chamado de Kalman Learning Machine (KLM), o método proposto utiliza o filtro de Kalman para a atualização sequencial dos pesos de saída de uma SLFN baseada na OS-ELM. Esse trabalho também propõe uma abordagem para a estimativa dos parâmetros do filtro, com o objetivo de diminuir a complexidade computacional do treinamento. Além disso, uma extensão do método chamada de Extended Kalman Learning Machine (EKLM) é apresentada, voltada para problemas onde a natureza do sistema em estudo seja não linear. O método proposto nessa tese foi comparado com alguns dos mais recentes e efetivos métodos para o tratamento de multicolinearidade em problemas de aprendizagem sequencial. Os experimentos executados mostraram que o método proposto apresenta um desempenho melhor que a maioria dos métodos do estado da arte, quando medidos o de erro de previsão e o tempo de treinamento. Um estudo de caso foi realizado, aplicando o método proposto a um problema de previsão de séries temporais para o mercado financeiro. Os resultados confirmaram que o KLM consegue simultaneamente reduzir o erro de previsão e o tempo de treinamento, quando comparado com os demais métodos investigados nessa tese. / In machine learning applications, there are situations where the input dataset is not fully available at the beginning of the training phase. A well known solution for this class of problem is to perform the learning process through the sequential feed of training instances. Among most recent approaches for sequential learning, we can highlight the methods based on Single Layer Feedforward Network (SLFN) and the extensions of the Extreme Learning Machine (ELM) approach for sequential learning. The sequential version of the ELM algorithm, named Online Sequential Extreme Learning Machine (OS-ELM), uses a recursive least squares solution for updating the output weights through a covariance matrix. However, the implementation of OS-ELM and its extensions suffer from the problem of multicollinearity for the hidden layer output matrix. This thesis introduces a new method for sequential learning in which the effects of multicollinearity is handled. The proposed Kalman Learning Machine (KLM) updates sequentially the output weights of an OS-ELM based network by using the Kalman filter iterative procedure. In this work, in order to reduce the computational complexity of the training process, a new approach for estimating the filter parameters is presented. Moreover, an extension of the method, named Extended Kalman Learning Machine (EKLM), is presented for problems where the dynamics of the model are non linear. The proposed method was evaluated by comparing the related state-of-the-art methods for sequential learning based on the original OS-ELM. The results of the experiments show that the proposed method can achieve the lowest forecast error when compared with most of their counterparts. Moreover, the KLM algorithm achieved the lowest average training time when all experiments were considered, as an evidence that the proposed method can reduce the computational complexity for the sequential learning process. A case study was performed by applying the proposed method for a problem of financial time series forecasting. The results reported confirm that the KLM algorithm can decrease the forecast error and the average training time simultaneously, when compared with other sequential learning algorithms.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-03-31T15:28:38Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Felipe Machado Duarte.pdf: 1439236 bytes, checksum: 970d1a4b49da9d4541eb167aa39a82fa (MD5) / Made available in DSpace on 2016-03-31T15:28:39Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Felipe Machado Duarte.pdf: 1439236 bytes, checksum: 970d1a4b49da9d4541eb167aa39a82fa (MD5) Previous issue date: 2014-08-29 / Em consequência da evolução da internet, causada por mudanças de paradigma como a Internet das coisas, por exemplo, surgem novas demandas tecnológicas por conta do crescimento do número de dispositivos conectados. Um dos novos desafios que vieram junto a esta demanda é gerenciar esta rede em expansão, de maneira a garantir conectividade aos dispositivos que a integram. Um dos aspectos que merecem atenção no gerenciamento da rede é o provisionamento da largura de banda, que deve ser realizado de maneira a evitar o desperdício de banda, sem por outro lado comprometer a conectividade ao restringi-la demais. No entanto, balancear esta equação não é uma tarefa simples, pois o tráfego de dados na rede é bastante complexo e exibe componentes, como a volatilidade, que tornam difícil a sua modelagem. Já há algum tempo, estudos são publicados apresentando a utilização de ferramentas de análise de séries temporais para prever a vazão de dados em redes de computadores, e entre as técnicas aplicadas com mais sucesso estão os modelos ARMA, GARCH e RNA. Embora estas técnicas tenham sido discutidas como alternativa para modelar dados de tráfego de redes, pouco material está disponível sobre a comparação de suas acurácias, de maneira que neste estudo foi proposta uma avaliação das acurácias dos modelos ARIMA, GARCH e RNA. Esta avaliação foi realizada em cenários configurados em diferentes granularidades de tempo e para múltiplos horizontes de previsão. Para cada um destes cenários foram ajustados modelos ARIMA, GARCH e RNA, e a validação das métricas de acurácia das previsões obtidas se deu através do Rolling Forecast Horizon. Os resultados obtidos mostraram que a RNA exibiu melhor acurácia em grande parte dos cenários propostos, chegando a exibir RMSE até 32% menor que as previsões geradas pelos modelos ARIMA e GARCH. No entanto, na presença de alta volatilidade, o GARCH conseguiu apresentar as previsões com melhor desempenho, exibindo RMSE até 29% menores que os outros modelos estudados. Os resultados deste trabalho servem de auxílio para a área de gerenciamento de redes, em especial a tarefa de provisionamento de largura de banda de tráfego, pois trazem mais informações sobre os desempenhos dos modelos ARIMA, GARCH e RNA ao gerar previsões para este tipo de tráfego. / The Internet evolution, caused by paradigm changes as the Internet of Things, fosters technological advances to cope with the rising number of connected devices. One of the new challenges that appeared with this new reality is the management of such expanding networks, assuring connectivity to every device within them. One of the major aspects of network management is bandwidth provisioning, which must be performed in a way to avoid bandwidth wasting, but without compromising connectivity by restricting it too much. Balancing such an equation is not a simple task, as network data traffic is very complex and presents property features, such as volatility, that turns its modeling rather difficult. It has been some time since research is published with the use of temporal analysis tools to predict data throughput in computer networks, among them, the most successful techniques employ the ARMA, GARCH and ANN models. Although these approaches have been discussed as alternatives do network data traffic modeling, there is little literature available concerning their accuracy, which motivated this work to perform an accuracy evaluation of the ARIMA, GARCH and ANN models. This evaluation was conducted in scenarios configured with different time granularities and for multiple forecast horizons. For each scenario, ARIMA, GARCH and ANN models were set, and the accuracy metrics evaluation was performed with a Rolling Forecast Horizon. Results show that ANN yielded better accuracy in most proposed scenarios, having a RMSE up to 32% lower than the forecasts generated by the ARIMA and GARCH models. However, when there is a high volatility, GARCH provided better forecasts, with a RMSE up to 29% lower than its counterparts. The results from this work provide a useful assistance to network management, especially to bandwidth provisioning, by shedding light on the accuracy presented by the ARIMA, GARCH and ANN models when generating forecasts for this type of traffic.

Submitted by (ana.araujo@ufrpe.br) on 2016-07-05T15:38:42Z No. of bitstreams: 1 Erinaldo Leite Batista Almeida.pdf: 3620819 bytes, checksum: b2532ef7524f47d5417d01445fec797b (MD5) / Made available in DSpace on 2016-07-05T15:38:42Z (GMT). No. of bitstreams: 1 Erinaldo Leite Batista Almeida.pdf: 3620819 bytes, checksum: b2532ef7524f47d5417d01445fec797b (MD5) Previous issue date: 2009-08-10 / Financial markets are complex systems that contain large numbers of interacting units, including interactions among various units in the same market and interactions between units in different markets. Various methods of economics, statistics and econophysics have been developed to analyze financial temporal series (such as price returns, share volume, number of transactions), and serve to establish theoretical models for underlying stochastic processes. The availability of financial data on the internet and increasing computational power have enabled researchers to conduct a large number of empirical studies on financial markets. These studies have shown some universal properties: the risk function of price returns is scale invariant, with power-law behavior and similar value of exponent for different markets; the absolute values of returns (volatility) exhibit long-range power-law correlations. In this work, we use methods if econophysics to study the statistical properties of Brazilian financial markets. We analyze and compare scale properties of risk functions and correlations in temporal series of price returns of agricultural commodities and stocks of various companies traded at Bovespa. We analyze the daily prices of five commodities and twenty stocks traded in the period 2000-2008. For both commodities and stocks, the risk function of daily price returns shows powerlaw behavior with the exponent outside the Levy stable region. The values of exponents are higher for stocks than for commodities. We use Detrended Fluctuation Analysis (DFA) to study correlations in daily time series of absolute values of returns (volatility). This method was developed to quantify long range correlations in non-stationary temporal series.All analyzed series show persistent behavior, meaning that large (small) values are more likely to be followed with large (small) values. The value of the DFA exponent is higher for commodities than for stocks. We also use Detrended Cross Correlation Analysis (DCCA) to study cross-correlations between two series. The values of DCCA exponents are above 0.5 for all series, indicating the existence of long range cross-correlations. This means that each stock or commodity has long memory of its own previous values and of previous values of other stocks or commodities studied. These results are in agreement with results obtained for American financial markets. / Mercados financeiros são caracterizados por um grande número de unidades e interações complexas, incluindo as interações internas (entre diferentes elementos de um mercado) e fatores externos (influência de outros mercados). Vários métodos de economia, estatística e recentemente econofísica foram desenvolvidos para analisar as séries temporais de variáveis financeiras (retorno de preços de ações, mercadorias e taxas de cambio, índice de mercado, volume de negociação, etc.), com objetivo de estabelecer os modelos teóricos para processos estocásticos que estão em base desses fenômenos. A disponibilidade de dados financeiros de vários mercados e crescente poder computacional resultaram em um grande número de estudos empíricos cujos resultados mostraram algumas propriedades universais: a função risco de retornos de preços segue uma lei de potência com o valor de expoente similar para os vários mercados; os valores absolutos de retornos possuem correlações de longo alcance. Neste trabalho foram usados os métodos de econofísica para estudar as propriedades estatísticas do mercado financeiro brasileiro. Foram analisadas e comparadas as propriedades de escala de função risco e de correlações em séries temporais de retornos de preços de mercadorias agrícolas e preços de ações de várias empresas negociadas na Bolsa de Valores de São Paulo (BOVESPA). Foram analisados os preços diários de cinco mercadorias: açúcar, algodão, café, soja e boi, registrados em período 2000-2008. Para ações, analisamos as características seguintes: preços de abertura, fechamento, valores máximo e mínimo, volume e montante. Todas as séries são diárias, registradas no período de 2000-2008. São estudadas 20 empresas divididas em 4 grupos: bancos, energia, telecomunicações e siderurgia (5 empresas de cada grupo). Para todas as séries estudadas a função risco de retornos de preços segue uma lei de potência com os valores de expoente maiores para ações do que para mercadorias. As correlações são analisadas para os valores absolutos de retornos de preços (volatilidade). Foi usado o método Detrended Fluctuation Analysis (DFA), desenvolvido para quantificar as correlações de longo alcance em séries temporais não estacionárias. Todas as séries mostraram um comportamento persistente, significando que os valores grandes (pequenos) tem maior probabilidade de serem seguidos por valores grandes (pequenos). Os valores de expoente DFA são maiores para mercadorias do que para as ações. Foi utilizada uma generalização de DFA, Detrended Cross Correlation Analysis (DCCA) para analisar as correlações cruzadas entre duas séries. Os valores de expoente DCCA para todas as séries estudadas indicam a existência de correlações cruzadas de longo alcance significando que os valores de cada série possuem memória de longo alcance de seus valores anteriores e também de valores anteriores de outras série. Os resultados estão em acordo com os resultados obtidos para mercado americano.

Submitted by Juliana Crespo (juliana.crespo4@gmail.com) on 2018-09-11T13:45:16Z No. of bitstreams: 1 Disserta__o_Mestrado-merged.pdf: 4063780 bytes, checksum: f6ae8f648e0fa9a35cae1d80aacf9d16 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2018-09-18T13:45:25Z (GMT) No. of bitstreams: 1 Disserta__o_Mestrado-merged.pdf: 4063780 bytes, checksum: f6ae8f648e0fa9a35cae1d80aacf9d16 (MD5) / Made available in DSpace on 2018-09-27T12:22:57Z (GMT). No. of bitstreams: 1 Disserta__o_Mestrado-merged.pdf: 4063780 bytes, checksum: f6ae8f648e0fa9a35cae1d80aacf9d16 (MD5) / A transformada de Hilbert-Huang é um método relativamente recente para ana- lisar séries temporais. Incentivados por seus resultados positivos em séries temporais de diversas naturezas, decidimos implementar o mesmo em duas bases de dados de mobilidade urbana do Rio de Janeiro, sendo uma de GPS de ônibus e a outra de telefonia celular, para encontrar possíveis ciclos, sazonalidades e tendências, ao longo dos anos, devido a mudanças significativas nas vias exploradas.

Tese(doutorado) - Universidade Federal do Rio Grande, Programa de Pós–Graduação em Oceanografia Biológica, Instituto de Oceanografia, 2011. / Submitted by Cristiane Gomides (cristiane_gomides@hotmail.com) on 2013-12-15T11:04:17Z No. of bitstreams: 1 leonrdo.pdf: 9078429 bytes, checksum: af7d36e3035868040d998b9669ce02ee (MD5) / Approved for entry into archive by Sabrina Andrade (sabrinabeatriz@ibest.com.br) on 2013-12-18T17:39:33Z (GMT) No. of bitstreams: 1 leonrdo.pdf: 9078429 bytes, checksum: af7d36e3035868040d998b9669ce02ee (MD5) / Made available in DSpace on 2013-12-18T17:39:33Z (GMT). No. of bitstreams: 1 leonrdo.pdf: 9078429 bytes, checksum: af7d36e3035868040d998b9669ce02ee (MD5) Previous issue date: 2011 / Utilizando dois bancos de dados mensais (1979-1984; 1996-2011) constituídos por um regime de amostragens experimentais independentes da pesca, o objetivo deste estudo foi avaliar a hipótese central de que mudanças de longo prazo na abundância e diversidade de peixes nas zonas rasas do estuário da Lagoa dos Patos (ZRELP) ocorreram nas últimas 3 décadas, as quais foram promovidas por distúrbios nos habitats estuarinos e alterações no esforço de pesca na região. Os padrões de composição e abundância das espécies de peixe que utilizam as ZRELP apresentam alta variabilidade anual e inter-anual, as quais são reguladas principalmente pelas variações ou flutuações da temperatura, salinidade, vazão estuarina e componente meridional do vento. Os resultados deste estudo revelam que o Modo Anular Sul (SAM) também parece influenciar a dinâmica temporal dos peixes nas ZRELP, além do El Niño Oscilação Sul (ENOS), e que o tempo de resposta das espécies em relação a alguns fatores abióticos (e.g., temperatura e vazão) não é instantâneo. Por fim, o presente estudo revela que mudanças de longo prazo ocorreram na abundância e diversidade das espécies nos últimos 30 anos. Estas mudanças estiveram provavelmente associadas às alterações nas condições hidrológicas do estuário promovidas pelos fenômenos ENOS e SAM. A perda de habitat, especialmente dos vegetados, e a pressão de pesca representada pelo esforço de pesca também parecem ter importante papel sobre as mudanças de longo prazo observadas, principalmente para espécies como a Brevoortia pectinata, Jenynsia multidentata, Micropogonias furnieri e Mugil liza. A partir do conjunto de informações reunidas, o presente estudo reforça a hipótese que os padrões de uso do estuário da Lagoa dos Patos, especialmente pelos juvenis, estão fortemente vulneráveis às mudanças no clima e às transformações antrópicas do estuário, a despeito da alta variabilidade destes padrões forçada pelo dinamismo estuarino. / Using two long-term database (1979-1984; 1996-2011) composed by experimental fishery-independent sampling survey, the aim of this study was to evaluate the main hypothesis that long-term changes in fish abundance and diversity in shallow areas of the Patos Lagoon Estuary (SAPLE) occurred in the last three decades, which were promoted by estuarine habitats disturbances and alterations in fishing effort changes in the region. The composition and abundance patterns of fish species inhabiting SAPLE present high annual and inter-annual variability, which are mainly regulated by changes or fluctuations in temperature, salinity, freshwater outflow into the estuary and meridional wind component. The results show that the Southern Annular Mode (SAM) also seems to be influencing the temporal dynamics of fishes in SAPLE besides of the El Niño Southern Oscillation (ENSO), and that time response of species to changes in some environmental variables (e.g., temperature and freshwater outflow) is not in phase. Finally, this study shows that long-term changes occurred in the species abundance and diversity in the last 30 years. These changes were probably associated to changes in the estuarine hydrological conditions promoted by ENSO and SAM phenomena. The habitat loss, especially of the vegetated ones, and the fishing pressure represented by fishing effort also seem to have important role on observed long-term changes, especially to Brevoortia pectinata, Jenynsia multidentata, Micropogonias furnieri e Mugil liza. From the total information gathered, the present study reinforce the hypotheses that the fish use patterns in the Patos Lagoon estuary, especially by juveniles, are highly vulnerable to climate change and to man-induced estuarine transformations, despite the high variability of these patterns associated with the estuary dynamics.

Submitted by Julio Cesar de Azevedo Vieira (julio_vieira@globo.com) on 2018-06-16T14:57:18Z No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1988173 bytes, checksum: 55cb349d2840d5de748cbd814f155bb9 (MD5) / Rejected by Marcia Bacha (marcia.bacha@fgv.br), reason: O aluno irá submeter com o novo PDF on 2018-06-19T14:38:11Z (GMT) / Submitted by Julio Cesar de Azevedo Vieira (julio_vieira@globo.com) on 2018-06-26T21:10:08Z No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2018-07-05T13:19:09Z (GMT) No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) / Made available in DSpace on 2018-07-16T19:25:05Z (GMT). No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) Previous issue date: 2018-04-17 / Dengue é uma doença infecciosa que afeta países subtropicais. Autoridades de saúde locais utilizam informações sobre o número de notificações para monitorar e prever epidemias. Este trabalho foca na modelagem do número de casos de dengue semanal em quatro cidades do estado do Rio de Janeiro: Rio de Janeiro, São Gonçalo, Campos dos Goytacazes, e Petrópolis. Modelos de séries temporais são frequentemente utilizados para prever o número de casos de dengue nos próximos ciclos (semanas ou meses), particularmente, modelos SARIMA (Modelo Sazonal Autorregressivo Integrado de Médias Móveis) apresentam uma boa performance em situações distintas. Modelagens alternativas ainda incluem informação sobre o clima da região para melhorar a performance preditiva. Apesar disso, modelos que usam apenas dados históricos e de clima podem não possuir informações suficientes para capturar mudanças entre os regimes de não-epidemia e epidemia. Duas razões para isso são o atraso na notificação dos casos e que possivelmente não houveram epidemias nos anos anteriores. Baseando-se no sistema de monitoramento InfoDengue, esperasse que incluindo dados sobre ”numero de reprodução efetiva dos mosquitos”(RT) e ”número de tweets se referindo a dengue”(tweets) possam melhorar a qualidade das previsões no curto (1 semana) e longo (8 semanas) prazo. Foi possível mostrar que modelos de séries temporais incluindo RT e informações climáticas frequentemente performam melhor do que o modelo SARIMA em termos do erro preditivo quadrático médio (RMSE). Incluir a variável sobre o twitter não mostrou uma melhora no RMSE. / Dengue fever is an infectious disease affecting subtropical countries. Local health departments use the number of notified cases to monitor and predict epidemics. This work focus on modeling weekly incidence of dengue fever in four cities of the state of Rio de Janeiro: Rio de Janeiro, São Gonçalo, Campos dos Goytacazes, and Petrópolis. Time series models are often used to predict the number of cases in the next cycles (weeks, months), in particular, SARIMA (Seazonal Auto-Regressive Integrated Moving Average) models are shown to perform well in distinct settings. Alternative models also include climate covariates to improve the quality of the forecasts. However, models that only use historical and climate data may no have sufficient information to capture changes from non-epidemic to an epidemic regime. Two reasons are that there is a delay in the notification of cases and there might not have had epidemics in the previous years. Based on the INFODENGUE monitoring system we argue data including the "effective reproduction number of mosquitoes" (RT) and "number tweets referring to dengue" (tweets) may improve the quality of forecasts in the short (1 week) to long (8 weeks) range. We show that time series models including RT and climate information often outperform SARIMA models in terms of mean squared predictive error (RMSE). Inclusion of twitter did not improve the RMSE.

Submitted by Maria Beatriz Vieira (mbeatriz.vieira@gmail.com) on 2018-11-08T14:25:31Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) resumo_dissertacao_adrya_vanessa_lira_costa.pdf: 17781 bytes, checksum: 302b7f6ce24617e43e385c72102bdbec (MD5) / Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2018-11-13T15:57:35Z (GMT) No. of bitstreams: 2 resumo_dissertacao_adrya_vanessa_lira_costa.pdf: 17781 bytes, checksum: 302b7f6ce24617e43e385c72102bdbec (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-11-13T15:57:35Z (GMT). No. of bitstreams: 2 resumo_dissertacao_adrya_vanessa_lira_costa.pdf: 17781 bytes, checksum: 302b7f6ce24617e43e385c72102bdbec (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-07-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / As plantas apresentam uma alta capacidade de percepção devido sua necessidade de gerir as informações ambientais, estando fixas ao solo, para isso, elas contam com uma eficiente rede de sinalização elétrica permitindo a integração de suas partes e uma resposta rápida. Dentre o espectro de estímulos ambientais percebidos pela planta encontra-se o campo magnético (CM) capaz de causar alterações intra e extracelulares. Trabalhos relatam que a membrana plasmática pode ser um alvo primário do CM, levando a alterações nos canais iônicos e mesmo nos próprios íons, além de um aumento na produção de espécies reativas de oxigênio (EROs). Sabendo que os canais iônicos são a base dos sinais elétricos, logo uma modificação nestes pode afetar a geração dos sinais e consequentemente todo o electroma. Contudo, ainda não estão claros na literatura a ação do campo magnético na membrana plasmática e os mecanismos a respeito dos efeitos do campo magnético como estimulador do crescimento ou atuando como um estressor. Neste trabalho, objetivou-se caracterizar a dinâmica elétrica de plantas de feijão preto (Phaseolus vulgaris L.) expostas a um campo magnético de intensidade moderada, e observar possíveis alterações fenotípicas. A partir dos dados da sinalização elétricas, foram obtidas séries temporais das plantas antes e após o estímulo com CM. Estas foram analisadas com a utilização de ferramentas estatísticas e matemáticas para determinar a Função de densidade de probabilidade, Autocorrelação, Transformada rápida de Fourier (TRF) e Wavelets, Função de potência da densidade espectral (potencial spectral density - PSD), Entropia multiescalar e algoritmos de classificação. Para a observação de efeitos fenotípicos, foi realizado um outro experimento em casa de vegetação avaliando a simetria flutuante e o crescimento das plantas expostas e não expostas ao CM. A partir dos resultados das análises eletrofisiológicas e do desvio de simetria, identificamos a possibilidade das plantas não terem considerado a exposição durante 1 hora ao CM de 200 mT como um fator de estresse, ou seja, não afetou de forma consistente o padrão do electroma das plantas após a exposição. De acordo com a análise de entropia multiescalar, foram observados valores médios de entropia superiores após o estímulo quando comparados com os valores médios antes do estímulo nas primeiras escalas, além disso os resultados de crescimento apresentaram maior área foliar e comprimento da parte aérea após a exposição. Para o presente estudo, foram obtidos bons resultados na acurácia de classificação das séries temporais com destaque para o algoritmo k-NN, demonstrando que as séries antes e após o estímulo são diferentes. Portanto, observou-se que o CM possa ter atuado como um estimulador do crescimento. / Plants have a high capacity of perception due to their need to manage environmental information, being fixed to the ground, for this, they count on an efficient electrical signaling network allowing the integration of their parts and a quick response. The magnetic field (MF) is included in the spectrum of environmental stimuli that is perceived by the plant and capable of causing intra and extracellular changes. Studies report that the plasma membrane may be a primary target of MF, leading to changes in ion channels and even in the ions themselves, in addition to an increase in the production of reactive oxygen species (ROS). Knowing that ion channels are the basis of electrical signals, then a modification in these can affect the generation of the signals and consequently the entire electrome. However, the action of the magnetic field on plasma membrane and the mechanisms regarding the effects of the magnetic field as growth stimulator or acting as a stressor are not yet clear in the literature. The aim of this study was to characterize the electric dynamics of black bean plants (Phaseolus vulgaris L.) exposed to a magnetic field of moderate intensity and to observe possible phenotypic changes. From the electrical signaling data, time series were obtained from plants before and after the CM stimulus. These were analyzed using statistical and mathematical tools to determine the Probability density function, Autocorrelation, Fast Fourier Transform (FFT) and Wavelets, Potential spectral density (PSD), Multiscalar entropy and algorithms of classification. For the observation of phenotypic effects, another experiment was carried out in a greenhouse evaluating the floating symmetry and growth of plants exposed and not exposed to MF. From the results of the electrophysiological analysis and the symmetry deviation, we identified the possibility that plants did not consider the exposure during 1 hour to the 200 mT MF as a stress factor, that is, it did not consistently affect plants’ electrome pattern after exposure. According to the analysis of multiscale entropy, higher mean entropy values were observed after the stimulus when compared to the mean values before the stimulus in the first scales, in addition the growth results showed larger leaf area and shoot length after the exposure. For the present study, good results were obtained in the accuracy of time series classification with emphasis on the k-NN algorithm, demonstrating that the series before and after the stimulus are different. Therefore, it has been observed that MF may have acted as a growth enhancer.