Orientadores: Christiano Lyra Filho, Romis Ribeiro de Faissol Attux / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-14T08:57:13Z (GMT). No. of bitstreams: 1 Siqueira_HugoValadares_M.pdf: 4462928 bytes, checksum: 6c158aa0553a6c0912bf75c565974370 (MD5) Previous issue date: 2009 / Resumo: O Sistema Elétrico é um dos pilares do desenvolvimento tecnológico e industrial de uma nação. Dessa forma, é necessário gerir de uma maneira eficiente todos os recursos necessários para obtenção de energia elétrica. Os recursos hídricos se tornam essenciais já que o parque gerador brasileiro é predominantemente hidráulico. Neste contexto, o estudo da previsão de séries de vazões das usinas hidrelétricas tornou-se um campo de pesquisa altamente relevante para o planejamento da geração de energia no Brasil. Os modelos empregados pelo setor elétrico são os chamados modelos de Box & Jenkins, que exige um pré-tratamento dos dados de entrada por conta da sazonalidade encontrada nas vazões ao longo do ano. Este trabalho se utiliza de uma gama de modelos de previsão para comparação de desempenho no problema de previsão de séries de vazões médias mensais, em períodos distintos, da usina hidrelétrica de Furnas. Dentre os modelos lineares, é proposta a utilização de um dos modelos estatísticos, o Auto-regressivo e Médias Móveis (ARMA), tendo seus coeficientes calculados através de algoritmos bioinspirados: algoritmo genético e duas propostas de algoritmos imunológicos, uma baseada em pequenas alterações do CLONALG e a opt-aiNet. Em seguida, um filtro linear realimentado de resposta ao impulso infinita (IIR) tem seus coeficientes calculados pelos algoritmos de otimização acima citados. Na parte dos métodos nãolineares, fez-se a abordagem da aplicação de redes neurais artificiais do tipo perceptron de múltiplas camadas (MLP), com a utilização do algoritmo do gradiente conjugado escalonado modificado para o treinamento. Por fim, uma rede de estados de eco (ESN) é utilizada no problema, com dois algoritmos de treinamento: a proposta de Ozturk et al. E a de Consolaro. Os resultados experimentais mostram a aplicabilidade das ferramentas bioinspiradas e, em muitos casos, a relevância do laço de realimentação. No caso nãolinear, não foi possível obter resultados expressivos para a MLP, enquanto as ESN's mostraram alguns resultados promissores. / Abstract: The Electric System is one of the pillars of technological and industrial development of a nation. Thus, it is necessary to manage in an efficient manner all necessary resources to obtain electrical energy. Water resources become essential since the Brazilian generator park is predominantly hydraulic. In this context, the study of prediction of the streamflow series of hydroelectric dams has become a field of research highly relevant to the planning of energy generation in Brazil. The models used by the electric sector are called models of Box & Jenkins, which requires pre-processing of input data due to the seasonality found in streamflow throughout the year. This work uses a range of forecasting models to compare performance in the problem of monthly averages streamflows series approached, in different periods, the hydroelectric power plant of Furnas. Among the linear models, it is proposed to use one of a statistical model, the autoregressive and moving average (ARMA), taking their coefficients calculated by bio-inspired algorithms: genetic algorithm and two proposed of immunological algorithms, one based on small changes in CLONALG and opt-aiNet. Then, a recurrent linear filter with the infinite impulse response (IIR) has its coefficients calculated by the optimization algorithms above. At the non-linear part, it is the approach of applying artificial neural networks of the type of multi-layer perceptron (MLP), using the algorithm of the modified scaled conjugate gradient for training. Finally, an echo states network is used in the problem, with two training algorithms: the proposal of Ozturk and of Consolaro. The experimental results show the applicability of bio-inspired tools and, in many cases, the importance of the loop of feedback. For the non-linear case, it was not possible to obtain significant results for the MLP, while the ESN's have shown some promising results. / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Mauricio Enrique Zevallos Herencia / Dissertação (mestrado) - Universidade Estadadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-15T13:14:28Z (GMT). No. of bitstreams: 1 Borges_CristianoAmancioVieira_M.pdf: 2172730 bytes, checksum: 3a0a212a114d920caf7bafe3f7a04868 (MD5) Previous issue date: 2010 / Resumo: A modelagem de séries temporais não gaussianas é um tema de alta relevância na análise de séries temporais. Utilizando-se de estimação por verossimilhança parcial, Kedem e Fokianos (2002) estenderam sistematicamente a metodologia dos Modelos Lineares Generalizados (MLG) para séries temporais em que tanto a série de interesse quanto as covariáveis são estocasticamente dependentes. Entretanto, a análise estatística de séries com memória longa (ML), seja na resposta ou nas covariáveis, não é discutida em detalhes. O primeiro objetivo desta dissertação é investigar, através de simulações, as propriedades dos estimadores de máxima verossimilhança parcial dos coeficientes do MLG quando utilizado para séries temporais com ML. O segundo objetivo consiste em um estudo sobre a qualidade das previsões obtidas para vários modelos ajustados a dados de séries com ML, utilizando a metodologia proposta por Kedem e Fokianos (2002). Os modelos considerados nesta dissertação são modelos para séries de contagens, séries binárias e séries categóricas ordinais. Finalmente, as metodologias são ilustradas através de aplicações em conjuntos de dados reais de finanças e de poluição do ar. / Abstract: Non-gaussian time series modeling is a high relevance issue of time series analysis. Kedem and Fokianos (2002) have used partial likelihood estimation to extend the Generalized Linear Models (GLM) methodology systematically to time series where the response and covariate data are both stochastically dependent. However, statistical analysis of time series with long memory (LM), whether in the response or in the covariates, is not discussed in detail. The first purpose of this paper is to investigate, via simulations, the properties of the partial maximum likelihood estimators of the GLM coefficients as used for modeling LM time series. As a second purpose, we have assessed the quality of the forecasts obtained from several adjusted models (using the methodology proposed by Kedem and Fokianos (2002)) as applied to data with LM series. The models we have chosen for our work include count series, binary series, and categorical ordinal time series models. Finally, the methodologies are illustrated with applications to financial and air pollution real data. / Mestrado / Series Temporais / Mestre em Estatística

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-10-13T13:49:58Z No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-10-22T12:56:13Z (GMT) No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Made available in DSpace on 2016-10-22T12:56:14Z (GMT). No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) Previous issue date: 2008-02-29 / O objetivo principal desta dissertação é estimar um modelo para a previsão mensal do consumo de energia elétrica no Brasil. Foi utilizada na construção do modelo uma estratégia bottom-up, ou seja, inicialmente, com o uso da metodologia Box & Jenkins, estimou-se um modelo simples auto-projetivo que pudesse fornecer informações sobre o comportamento da série em questão. Num segundo momento, estimou-se um modelo de regressão dinâmica, onde se procurou relacionar o consumo de energia elétrica no país com outras possíveis variáveis causais. Nesta dissertação também é feito um estudo sobre a evolução do setor elétrico no Brasil, enfatizando-se as reformas ocorridas em meados dos anos 1990, o que deu origem ao chamado “novíssimo” modelo institucional do setor elétrico brasileiro. Com a metodologia Box & Jenkins, foi encontrado um modelo SARIMA (0,1,0) x (1,0,0)12 e o modelo de regressão dinâmica indicou que o consumo de energia elétrica no Brasil está relacionado, dentre outros fatores, ao nível de atividade econômica do país. Por fim, foram feitos testes dentro e fora da amostra, com o objetivo de comparar os modelos obtidos, e projeções de consumo para os meses do ano de 2008. / The main point of this dissertation is to find a monthly forecasting model to the Brazilian of electric energy consumption. The methodology consists of the construction of a model using a buttom-up strategy. In other words, it was first adjusted a Box & Jenkins model; i.e., a simple univariate model that could give information about the behavior of the series. Then, a dynamic regression model was fitted which relates brazilian electric energy consumption to all possible explanatory variable. In this dissertation, it was also carried out a study of the Brazilian electricity sector evolution, emphasizing the changes occurred in the nineties, that originated the so called “brand new” institutional model of the Brazilian electricity sector. By mean of the Box & Jenkins method, a SARIMA model (0,1,0) X (1,0,0)12 was found, and the dynamic regression model shows that the consumption of electricity in Brazil is related, among others factors, to the level of the economic activities in the country. Finally, tests in and out of sample were made, with the objective of comparing the obtained models, and the monthly forecasts for the 2008 months were produced by the selected model.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-12T11:44:53Z No. of bitstreams: 1 douglasdeoliveiramatosbraga.pdf: 1221207 bytes, checksum: 2e8c8b8de9aa188f87fe5670354d478c (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-23T13:56:44Z (GMT) No. of bitstreams: 1 douglasdeoliveiramatosbraga.pdf: 1221207 bytes, checksum: 2e8c8b8de9aa188f87fe5670354d478c (MD5) / Made available in DSpace on 2018-01-23T13:56:44Z (GMT). No. of bitstreams: 1 douglasdeoliveiramatosbraga.pdf: 1221207 bytes, checksum: 2e8c8b8de9aa188f87fe5670354d478c (MD5) Previous issue date: 2017-08-31 / O planejamento energético é base para as tomadas de decisões nas companhias de energia elétrica e, para isto, depende fortemente da disponibilidade de previsões acuradas para as cargas. Devido á inviabilidade de armazenamentos em larga-escala e o custo elevado de compras de energia a curto prazo, além da possibilidade de multas e sanções de órgãos governamentais, previsões em curto prazo são importantes para a otimização da alocação de recursos e da geração de energia. Neste trabalho utilizamos nove métodos univariados de séries temporais para a previsão de cargas a curto prazo, com horizontes de 1 a 24 horas a frente. Buscando melhorar a acurácia das previsões, propomos um método de combinação de previsões através de Regressão Simbólica, que combina de forma não-linear as previsões obtidas pelos nove métodos de séries temporais utilizados. Diferente de outros métodos não-lineares de regressão, a Regressão Simbólica não precisa de uma especificação previa da forma funcional. O método proposto é aplicado em uma série real da cidade do Rio de Janeiro (RJ), que contém cargas horárias de 104 semanas dos anos de 1996 e 1997. Comparamos, através de critérios indicados na literatura, os resultados obtidos pelo método proposto com os resultados obtidos por métodos tradicionais de combinação de previsões e ao resultado de simulações de redes neurais artificiais aplicados ao mesmo conjunto de dados. O método proposto obteve melhores resultados, que indicam que a não-linearidade pode ser aspecto importante para combinação de previsões no problema de previsão de carga a curto prazo / Decision-making in energy companies relies heavily on the availability of accurate load forecasts. Because storing electricity on a large scale is not viable, the cost of short-term energy purchasing is high, and there are government fines and sanctions for failing to supply energy on demand, short-term load forecasts are important for the optimization of resource allocation and energy production. In this work we used nine univariate time series methods for short-term load forecasts, with forecast horizons ranging from 1 to 24 hours ahead. In order to improve the accuracy of forecasts, we propose a method of combining forecasts through Symbolic Regression, which combines in a non-linear way the forecasts obtained by the nine methods of the time series used. Unlike other non-linear regression methods, Symbolic Regression does not need a previous specification of the function structure. We applied the proposed method to a real time series of the city of Rio de Janeiro (RJ), which contains data on hourly loads of 104 weeks in the years 1996 and 1997. We compare, through the criteria indicated in the literature, the results obtained by the proposed method with the results obtained by traditional methods of forecasts combination and the result obtained by artificial neural networks applied to the same dataset. The method has yielded better results, indicating that non-linearity may be important in combining predictions in short term load forecasts.

Made available in DSpace on 2014-07-29T15:08:23Z (GMT). No. of bitstreams: 1 dissertacaoPriscila.pdf: 645879 bytes, checksum: 1150784f73524c6b5341fd319cc9d608 (MD5) Previous issue date: 2009-01-02 / n the planning of the energetic operation, analysis and forecasts of the flow are very important. A huge difficulty in the forecast of flow is the seasonality presence, due to drought and flood periods in the year. Many scientists, with different methodologies, have been concerned with finding a best model, compared with the utilized by Brazil s system - Markovian Model. The Makovian Model, or selfregressive with order 1, is a Box & Jenkins methodology, and requires data handling to treat non-stationarity, or the use of regular models, requiring a hardly theoretical formulation for the statistical procedures. Therefore, the statistical models, autoregressive model with seasonality and Holt-Winters model, of treatment of temporal series are presented and, carried out the flow s analysis and forecast for three study groups, in two different (historical) horizons. The performance of the models was compared and the results showed that the proposed models presents better adjust than the model adopted by Brazilian system / No planejamento da operação energética, a análise e previsão de vazões são muito importantes. Uma grande dificuldade na previsão de vazões é a presença da sazonalidade, devido aos períodos de seca e cheia no ano. Muitos estudiosos, com metodologias diversas, têm se preocupado em encontrar um modelo de melhor ajuste, em comparação ao utilizado pelo sistema brasileiro, ou seja, o modelo auto-regressivo de ordem 1, que consiste numa metodologia de Box & Jenkins e exige manuseio nos dados para tratar a não-estacionariedade. O presente trabalho analisa e compara os modelo utilizados pelo sistema brasileiro (PAR), com modelo matemático que considera a sazonalidade dos dados (SAR) e o método de Holt-Winters e, modelos amplamente estudados como PARMA e ANFIS. O desempenho dos modelos foi comparado e os resultados mostraram que em muitos estudos os modelos PAR/PARMA e ANFIS apresentam melhor ajuste , no geral, em relação aos demais

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-09-15T13:04:07Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Jhonata S. Pereira.pdf: 1330884 bytes, checksum: 5c3f022fb575b398978d304cf0c97352 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-09-15T13:04:24Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Jhonata S. Pereira.pdf: 1330884 bytes, checksum: 5c3f022fb575b398978d304cf0c97352 (MD5) / Made available in DSpace on 2017-09-15T13:04:24Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Jhonata S. Pereira.pdf: 1330884 bytes, checksum: 5c3f022fb575b398978d304cf0c97352 (MD5) Previous issue date: 2017-03-22 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / We present in this dissertation a model for continuous time series in which the observed values are nonnegative but have a proportion of zeros (mass in zero). The model is based on the theory of Dynamic Linear Model (DLM) and Dynamic Generalized Linear Model (DGLM) Which allows us to make inferences of the parameters in a recursive way through the Kalman filter. To evaluate the proposed model was developed a simulation study and applications in time series of pluviometric precipitation. / Apresentamos nesta dissertação um modelo para séries temporais contínuas em que os valores observados são não negativos, mas tem uma proporção de zeros (massa em zero). O modelo é baseado na teoria do Modelo Linear Dinâmico (MLD) e Modelo Linear Generalizado Dinâmico (MLGD) que nos permite fazer inferências dos parâmetros de forma recursiva através do filtro de Kalman. Para avaliar o modelo proposto foi desenvolvido um estudo de simulação e aplicações em séries temporais de precipitação pluviométrica.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-12-27T10:27:35Z No. of bitstreams: 2 Tese - Arielle Elias Arantes - 2017.pdf: 12603465 bytes, checksum: d64f9bccc8dcafceb1f000629bf7f031 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-12-27T10:28:07Z (GMT) No. of bitstreams: 2 Tese - Arielle Elias Arantes - 2017.pdf: 12603465 bytes, checksum: d64f9bccc8dcafceb1f000629bf7f031 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-12-27T10:28:07Z (GMT). No. of bitstreams: 2 Tese - Arielle Elias Arantes - 2017.pdf: 12603465 bytes, checksum: d64f9bccc8dcafceb1f000629bf7f031 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-12-18 / Cattle ranching is the main land use activity in Brazil, with about 175 million hectares of cultivated pasture, with at least 50% of these being with some degree of degradation. Degraded pastures present low biomass production of little nutritional value, which leads to low animal weight gain in the rainy season and loss of weight in the dry season. Due to its low productive efficiency, if these areas were identified and recovered, they could be intensified, freeing pasture areas for other uses. In this context, the objective of this work was to evaluate the pasture vigor and the potential livestock intensification for Brazil. In order to obtain the vigor and productivity of Brazilian pastures, a Pasture Strength Index (PVI) was generated by integrating the α (intercept) and β (slope) coefficients, derived from the linear regression of the vegetation index (NDVI) over time (2000 to 2017). Pastures with low PVI values were located throughout the Caatinga biome, in the MATOPIBA region of the Cerrado biome, in the eastern portion of Mato Grosso do Sul, southeastern of Mato Grosso and northwestern of Goiás. These areas are associated to regions of higher water deficit, as shown by the relationship between the PVI and the total annual precipitation (R² = 0.40) and evapotranspiration. For the Cerrado biome, the PVI showed high spatial correspondence with the green biomass and percent green cover. Green biomass and percent green cover were generated from extrapolation of field data to the spatial resolution of MODIS images. The areas with lower PVI values in the Cerrado biome also had lower green biomass (< 6000 kg ha-1 ) and percent green cover (< 47%) during the growing season. Considering the accumulated green biomass in the growing season, it was observed that the Cerrado’s cattle stocking rate could increase from 1.11 AU ha-1 (real cattle stocking rate) to 2.56 AU ha-1 (potential cattle stocking rate). The real cattle stocking rate in 2015 was generated through the integration of the 2006 Livestock Census data with the Livestock Production data for the year 2015. The potential cattle stocking rate was obtained from the relationship between the forage production (green biomass and gross primary productivity - GPP) and the forage demand of one animal unit (1 AU = 450 kg). The potential of intensification was determined from the difference between the actual and the potential cattle stocking rates. For all of Brazil, the cattle stocking rate in 2015 was 0.97 AU ha-1 , reaching a potential of 3.60 AU ha-1 , that is, the potential for intensification was 2.63 AU ha-1 . The greatest potential of intensification occurred in the South region (3.62 AU ha-1 ), and the lowest in the North (2.13 AU ha-1 ) and Northeast (2.22 AU ha-1 ) regions of Brazil. / A pecuária é a principal atividade de uso da terra no Brasil, com cerca de 175 milhões de hectares de pastagens cultivadas, sendo que pelo menos 50% destas estão com algum nível de degradação. Pastagens degradadas apresentam baixa produção de biomassa de pouco valor nutritivo, o que leva a um menor ganho de peso animal na estação chuvosa e a perda de peso na estação seca. Pela sua baixa eficiência produtiva, caso haja a identificação e a recuperação destas áreas, estas poderiam ser intensificadas, liberando áreas para outros usos. Neste contexto, este trabalho teve por objetivo avaliar o vigor e o potencial de intensificação das pastagens brasileiras. Para obter o vigor das pastagens, gerou-se um Índice de Vigor do Pasto (PVI), por meio da integração dos coeficientes α (intercepto) e β (slope), obtidos da regressão linear do índice de vegetação (NDVI) ao longo do tempo (2000 a 2017). As pastagens com os menores valores de PVI localizaram-se em todo o bioma Caatinga, na região do MATOPIBA no bioma Cerrado, no leste do Mato Grosso do Sul, sudeste do Mato Grosso e noroeste de Goiás. Estas áreas estão associadas a regiões de maior déficit hídrico, como mostrado pela relação do PVI com a precipitação (R² = 0,40) e a evapotranspiração acumuladas durante o ano (R² = 0,30). Para o bioma Cerrado, o PVI apresentou alta correspondência espacial com a biomassa verde e com o percentual de cobertura verde. A biomassa verde e o percentual de cobertura verde foram geradas a partir da extrapolação de dados de campo para a resolução espacial das imagens MODIS. As áreas com menores valores de PVI no bioma Cerrado também tiveram pouca biomassa verde (< 6.000 kg ha-1 ) e porcentagem cobertura verde (< 47%) durante a estação de crescimento. Considerando o acúmulo de biomassa verde na estação de crescimento, percebeu-se que a lotação bovina do Cerrado poderia aumentar de 1,11 UA ha-1 (lotação real) para 2,56 UA ha-1 (lotação potencial). A lotação bovina real em 2015 foi estimada por meio da integração de dados do Censo Agropecuário de 2006 com dados da Produção Pecuária Municipal de 2015. Já a lotação potencial, foi obtida a partir da relação entre a produção de forragem (biomassa verde ou produtividade primária bruta – GPP) e a demanda de forragem de uma unidade animal (1 UA = 450 kg). A partir da diferença entre a lotação bovina real e potencial determinou-se o potencial de intensificação. Para todo o Brasil, a lotação bovina em 2015 foi de 0,97 UA ha-1 , podendo chegar a um potencial de 3,60 UA ha-1 , ou seja, o potencial de intensificação foi de 2,63 UA ha-1 . O maior potencial de intensificação se deu na região Sul (3,62 UA ha-1 ) e os menores nas regiões Norte (2,13 UA ha-1 ) e Nordeste (2,22 UA ha-1 ) do Brasil.

Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-09-28T11:42:24Z No. of bitstreams: 2 Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-09-28T12:28:10Z (GMT) No. of bitstreams: 2 Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-09-28T12:28:10Z (GMT). No. of bitstreams: 2 Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-09-09 / The analysis of physiological variables of a patient can improve the death risk classification in Intensive Care Units(ICU) and help decision making and resource management. This work proposes a computational approach to death prediction through physiological variables analysis in ICU. Physiological variables that compounds time-series(e.g., blood pressure) are represented as Dependent Gaussian Processes(DGP). Variables that do not represent time-series (e.g., age) are used to cluster DGPs with Decision Trees. Classification is made according to a distance measure that combines Dynamic Time Warping and Kullback-Leibler divergence. The results of this approach are superior to other method already used, SAPS-I, on the considered test dataset.The results are similar to other computational methods published by the research community. The results comparing variations of the proposed method show that there is advatage in using the proposed clustering of DGPs. / A análise das variáveis fisiológicas de um paciente pode melhorar a classificação do risco de óbito de um paciente em uma Unidade de Terapia Intensiva(UTI) e auxiliar na tomada de decisões e alocação de recursos disponíveis. Este trabalho propõe uma abordagem computacional de análise de variáveis fisiológicas para previsão de óbito de pacientes em UTI. Variáveis fisiológicas que compõem séries temporais(e.g., pressão arterial) são representadas como Processos Gaussianos Dependentes(PGDs). Variáveis que não representam séries temporais(e.g., idade) são utilizadas para agrupar os PGDs com Árvores de Decisão. A classificação é feita de acordo com uma medida de distância que combina Deformação Temporal Dinâmica e divergência Kullback-Leibler. O resultado desta abordagem quanto ao desempenho de classificação é superior ao método padronizado SAPS-I já utilizado em UTI no conjunto de dados considerado para testes. O resultado é similar à outros métodos computacionais publicados pela comunidade de pesquisa. Os resultados comparando variações da abordagem proposta também mostram que há vantagem em utilizar o agrupamento de PGDs descrito.

Processos lineares não capturam a estrutura dos dados em finanças. Há uma variedade muito grande de modelos não lineares disponíveis na literatura. A classe de modelos ARCH (Autoregressive Conditional Heterokedastic) foi introduzida por Engle (1982) com o objetivo de estimar a variância da inflação. A idéia nesta classe é que os retornos sejam não correlacionados serialmente, mas a volatilidade (variância condicional) dependa de retornos passados. A classe de modelos GARCH (Generalized Autoregressive Conditional Heterokedastic) sugerida por Bollerslev (1986, 1987, 1988) pode ser usada para descrever a volatilidade com menos parâmetros que um modelo ARCH. Modelos da classe GARCH são processos estocásticos não lineares, suas distribuições tem cauda pesada com variância condicional dependente do tempo e modelam agrupamento de volatilidade. Apesar da razoável descrição, a forma como os modelos acima foram construídos apresentaram algumas limitações no que se refere ao peso das caudas em suas distribuições não condicionais. Muitos estudos em dados financeiros apontam para caudas com peso considerável. Modelos R-GARCH (Randomized Generalized Autoregressive Conditional Heterokedastic) foram propostos por Nowicka (1998) e incluem os modelos ARCH e GARCH possibilitando o uso de inovações estáveis além da conhecida distribuição normal. Estas permitem captar melhor a propriedade de cauda pesada. Como a função de autocovariância não existe para tais processos introduz-se novas medida de dependência. Métodos de estimação e análises empíricas da classe R-GARCH, assim como de suas medidas de dependência não estão disponíveis na literatura e são o foco deste trabalho. / Linear processes do not capture the structure of financial data. There is a large variety of nonlinear models available in literature. The class of ARCH models (Autoregressive Conditional Heterokedastic) was introduced by Engle (1982) in order to estimate inflation\'s variance. The idea is that, in this class, returns are serially uncorrelated, but the volatility (conditional variance) depends on past returns. The class of GARCH models (Generalized Autoregressive Conditional Heterokedastic) suggested by Bollerslev (1986, 1987, 1988) can be used to describe the volatility with less parameters than ARCH-type models. GARCH-type models are nonlinear stochastic processes, their distribution are heavy-tailed with time-dependent conditional variance model and they model clustering of volatility. Despite the reasonable description, the way that GARCH models are built imposes limits on the heaviness of the tails of their unconditional distribution. Many studies in financial data point to considerable heaviness of the tails. The class of Randomized Generalized Autoregressive Conditional Heterokedastic (R-GARCH) were proposed by Nowicka (1998) and include the ARCH and GARCH models allowing the use of stable innovations in place of normal distribution. This distribution allows to capture the heaviness tail property. As the autocovariance function does not exist for these processes a new measure of dependence was introduced. Estimation methods and empirical analysis of R-GARCH class, as well as their measures of dependence are not available in literature and are the focus of this work.

Made available in DSpace on 2016-03-15T19:38:14Z (GMT). No. of bitstreams: 1 Sandro Luiz das Chagas.pdf: 1694587 bytes, checksum: d10c7a5a95b65289731cab95f9b3478a (MD5) Previous issue date: 2009-08-27 / Electroencephalogram (EEG) is a clinical method widely used to study brain function and neurological disorders. The EEG is a temporal data series which records the electrical activity of the brain. The EEG monitoring systems create a huge amount of data; with this fact a visual analysis of the EEG is not feasible. Because of this, there is a strong demand for computational methods able to analyze automatically the EEG records and extract useful information to support the diagnostics. Herewith, it is necessary to design a tool to extract the relevant features within the EEG record and to classify the EEG based on these features. Calculation of statistics over wavelet coefficients are being used successfully to extract features from many kinds of temporal data series, including EEG signals. Support Vector Machines (SVM) are machine learning techniques with high generalization ability, and they have been successfully used in classification problems by several researches. This dissertation makes an analysis of the influence of feature vectors based on wavelet coefficients in the classification of EEG signal using different implementations of SVMs. / O eletroencefalograma (EEG) é um exame médico largamente utilizado no estudo da função cerebral e de distúrbios neurológicos. O EEG é uma série temporal que contém os registros de atividade elétrica do cérebro. Um grande volume de dados é gerado pelos sistemas de monitoração de EEG, o que faz com que a análise visual completa destes dados se torne inviável na prática. Com isso, surge uma grande demanda por métodos computacionais capazes de extrair, de forma automática, informação útil para a realização de diagnósticos. Para atender essa demanda, é necessária uma forma de extrair de um sinal de EEG as características relevantes para um diagnóstico e também uma forma de classificar o EEG em função destas características. O cálculo de estatísticas sobre coeficientes wavelet vem sendo empregado com sucesso na extração de características de diversos tipos de séries temporais, inclusive EEG. As máquinas de vetores de suporte (SVM do inglês Support Vector Machines) constituem uma técnica de aprendizado de máquina que possui alta capacidade de generalização e têm sido empregadas com sucesso em problemas de classificação por diversos pesquisadores. Nessa dissertação é feita uma análise do impacto da utilização de vetores de características baseados em coeficientes wavelet na classificação de EEG utilizando diferentes implementações de SVM.