Orientador : Luiz Eduardo S. Oliveira / Coorientador : David Menotti / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 20/07/2017 / Inclui referências : f. 63-72 / Resumo: As séries temporais financeiras são notoriamente difíceis de analisar e prever dada sua natureza não estacionária e altamente oscilatória. Nesta tese, a eficácia da técnica de decomposição não-paramétrica Ensemble Empirical Mode Decomposition (EEMD) é avaliada como uma técnica de extração de característica de séries temporais provenientes de índices de mercado e taxas de câmbio, características estas usadas na classificação, juntamente com diferentes modelos de aprendizado de máquina, de tendências de curto prazo. Os resultados obtidos em dois datasets de dados financeiros distintos sugerem que os resultados promissores relatados na literatura foram obtidos com a adição, inadvertida, de lookahead bias (viés) proveniente da aplicação desta técnica como parte do pré-processamento das séries temporais. Em contraste com as conclusões encontradas na literatura, nossos resultados indicam que a aplicação do EEMD com o objetivo de gerar uma melhor representação dos dados financeiração, por si só, não é suficiente para melhorar substancialmente a precisão e retorno cumulativo obtidos por modelos preditivos em comparação aos resultados obtidos com a utilização de series temporais de mudanças percentuais. Palavras-chave: Predição de Tendencias, Aprendizado de Máquina, Séries Temporais Financeiras. / Abstract: Financial time series are notoriously difficult to analyse and predict, given their nonstationary, highly oscillatory nature. In this thesis, the effectiveness of the Ensemble Empirical Mode Decomposition (EEMD) is evaluated at generating a representation for market indexes and exchange rates that improves short-term trend prediction for these financial instruments. The results obtained in two different financial datasets suggest that the promising results reported using EEMD on financial time series in other studies were obtained by inadvertently adding look-ahead bias to the testing protocol via pre-processing the entire series with EEMD, which do affect the predictive results. In contrast to conclusions found in the literature, our results indicate that the application of EEMD with the objective of generating a better representation for financial time series is not sufficient, by itself, to substantially improve the accuracy and cumulative return obtained by the same models using the raw data. Keywords: Trend Prediction, Machine Learning, Financial Time Series.

Este trabalho a um estudo a respeito da aplicação de Redes Neurais Artificiais (RNAs), mais especificamente do modelo perceptron multi-camadas com aprendizado por retro-propagação de erros, a previsão de valores futuros de Series Temporais. 0 estudo foi realizado através da realização de previsões a partir de uma determinada arquitetura de rede neural, a qual é construída com base na analise estatística da serie, para três series reais. A primeira representa o Índice mensal de passageiros das linhas aéreas americanas entre janeiro de 1960 e dezembro de 1971, a segunda corresponde ao índice pluviométrico anual da cidade de Fortaleza no estado do Ceara entre 1849 e 1984, e a terceira trata do índice mensal de produção industrial do estado do Rio Grande do Sul entre janeiro de 1981 e julho de 1993. As duas primeiras series são exemplos clássicos utilizados no estudo dos modelos estatísticos aplicados a previsão de Series Temporais. Os resultados obtidos com as RNAs foram comparados aos progn6sticos realizados pelo método economêtrico que apresenta os melhores resultados para o problema da previsão de Series Temporais: o método da decomposição da serie em suas componentes básicas não-observáveis (tendência, sazonalidade, ciclo e irregular). Tais resultados mostraram que as RNAs podem apresentar excelentes níveis de precisão em seus prognósticos, indicando sua adaptação ao problema da previsão de valores futuros de Séries Temporais. / This work presents a study of the prediction power of Artificial Neural Networks (ANN) in comparison with prediction capability of traditional Time Series models, more specifically the Unobservable Components Models (UCM). The data used to perform the study was the monthly american airlines passengers, the annual rainfall in Fortaleza, Brazil and the monthly gross industrial output for the state of Rio Grande do Sul, Brazil. The results show that Artificial Neural Networks can outperform the forecasts of Unobservable Components Models.

Orientadora : Profª. Drª. Liliana Madalena Gramani / Co-orientador : Prof. Dr. Anselmo Chaves Neto / Co-orientador : Prof. Dr. Luiz Albino Teixeira Junior / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 11/03/2016 / Inclui referências : f. 199-209 / Área de concentração : Programação matemática / Resumo: Barragens instrumentadas geram uma enorme base de dados provenientes do monitoramento. Porém, dados não são informações e, então, precisam ser trabalhados para se obter informações. A correta interpretação e avaliação da informação contida nos dados podem ser extremamente úteis para o acompanhamento do período operacional de uma barragem. O controle estatístico de qualidade univariado e multivariado é uma abordagem que pode contribuir com a descoberta de conhecimento em dados de instrumentos de monitoramento de barragens, sobretudo quando há correlação e quando não se tem informação sobre o comportamento das séries temporais de monitoramento dos instrumentos. Enquanto que gráficos de controle univariados são aplicados, há quase um século, no controle de características de qualidade, propostas multivariadas e modelos aplicados em segurança de barragens têm ainda poucos trabalhos publicados e têm se mostrado promissoras. Por outro lado, no caso univariado, o avanço da informática permitiu a execução de novas técnicas para modelar e realizar previsões em séries temporais, em particular, a combinação de técnicas com modelos ARIMA, ARIMAX-GARCH, decomposição Wavelet e Redes Neurais Artificiais tem mostrado melhoria no desempenho da previsão. O objetivo principal deste estudo é aplicar técnicas estatísticas univariadas e multivariadas, combinadas com outras técnicas paramétricas e não paramétricas aos dados de instrumentação de barragens a fim de desenvolver modelos capazes de estabelecer valores estatísticos de controle e previsões às séries temporais de leituras de instrumentos para a avaliação do desempenho futuro de uma barragem. Os modelos desenvolvidos foram testados e validados nos dados de instrumentos do trecho E da Usina Hidrelétrica de Itaipu Binacional, localizada no Rio Paraná, entre o Brasil e o Paraguai. Os resultados mostraram que o gráfico multivariado ???? das componentes principais combinado com os modelos ARIMAX-GARCH e técnicas não paramétricas permitem manter as taxas de falsos alarmes muito mais próximas do valor esperado em relação aos gráficos univariados e ???? multivariados, quando se presume normalidade nos dados. Além disso, a utilização de modelos híbridos, que combinam a decomposição Wavelet, a modelagem ARIMA-GARCH e Redes Neurais Artificiais pode melhorar o desempenho da previsão da série temporal da leitura de um instrumento comparativamente à utilização individualizada destas técnicas. / Abstract: Dams with instruments generate a huge base of data from the monitoring. However, data is not information, and then need to be work to obtain information. The correct interpretation and evaluation of the information contained in the data can be extremely useful for monitoring the operational period of a dam. The univariate and multivariate statistical quality control is an approach that can contribute to knowledge discovery in data dam monitoring instruments, especially when there is correlation and when there is no information on the behavior of time series of monitoring instruments. While univariate control charts are applied for nearly a century in the quality control of characteristics, multivariate proposals and models applied in dam safety still have few papers published and have proven to be promising. On the other hand, in the univariate case, the advance of computer technology has allowed the implementation of new techniques to model and make predictions in time series, in particular, the combination of techniques ARIMA models ARIMAX-GARCH, Wavelet decomposition and artificial neural networks has shown improved performance of the forecast. The main goal of this study is to apply univariate and multivariate statistics techniques, combined with other parametric and nonparametric techniques to dam instrumentation data to develop models able to establish statistical control values and forecast the time series of instrument readings for assessment of the future performance of a dam. The developed models have been tested and validated on data from instruments of the E section of the Binational Itaipu hydroelectric plant, located on the Paraná River, between Brazil and Paraguay. The results showed that the multivariate graphic ???? of the principal components combined with ARIMAX-GARCH and nonparametric techniques allows to maintain the rates of false alarms much closer of the expected value in relation to the univariate graphs and ???? multivariate, when data are assumed to be normal. Furthermore, the use of hybrid models that combine the Wavelet decomposition, ARIMA-GARCH modeling and artificial neural networks can improve time-series forecasting performance of an instrument reading compared to the individual use of these techniques.

Orientador : Prof. Dr. Anselmo Chaves Neto / Co-orientador : Prof. Dr. Luiz Albino Teixeira Júnior / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 21/12/2015 / Inclui referências : f.123-128 / Área de concentração: Programação matemática / Resumo: A proposta deste trabalho é apresentar uma nova metodologia híbrida WARIMAX-GARCH Neural para a previsão pontual e intervalar de séries temporais estocásticas. Fundamentalmente, é aplicada a decomposição Wavelet em séries históricas compostas por registros de monitoramento de barragens e suas componentes de aproximação e detalhe, as quais são modeladas, individualmente, via ARIMA-GARCH e Redes Neurais Artificiais (RNA). A partir de então, são realizadas as previsões pontuais fora da amostra pelas técnicas de modelagem e os resultados são combinados linearmente. As componentes de aproximação e detalhe são completadas com as previsões combinadas e passam a ser utilizadas como variáveis de entrada (exógenas híbridas) na modelagem da série em estudo. Em cada série temporal é aplicada a metodologia WARIMAX-GARCH Neural e são realizadas as previsões pontuais e intervalares, sob a suposição de inovações gaussianas. As séries temporais utilizadas neste trabalho de tese foram as séries temporais dos deslocamentos horizontais de blocos da barragem principal da Usina Hidrelétrica de Itaipu, aferidas pelos pêndulos diretos automatizados. Os desempenhos preditivos alcançados pela metodologia proposta, em relação aos resultados obtidos pelas modelagens tradicionais ARIMA-GARCH e RNA, foram consideravelmente vantajosos. Nas comparações dos resultados obtidos através do modelo WARIMAX-GARCH Neural com métodos tradicionais, a redução do erro preditivo chegou a 91%. Palavras-chave: Monitoramento de Barragens, Previsão de Séries Temporais, Modelos ARIMA, Modelos GARCH, Redes Neurais Artificiais, Decomposição Wavelet. / Abstract: This research proposes a new WARIMAX-GARCH Neural hybrid methodology for point and interval prediction of stochastic time series. Fundamentally, it is applied the wavelet decomposition on the time series made of monitoring data and its approximation and detail components were modeled by ARIMA-GARCH and Artificial Neural Networks (ANN). Thereafter, the point forecasts are performed out the sample by both modeling techniques and these results are combined linearly. The approximation and detail components are completed with the combined forecasts and are used as input variables (hybrid exogenous) in the modeling time series under study. In each time series is applied the WARIMAX-GARCH Neural methodology and are made the point and interval forecast, under the assumption of Gaussian innovations. The time series used in this research were the time series of horizontal displacements of the main dam blocks of Itaipu hydroelectric plant, measured by automated direct pendulums. The predictive performances achieved by the proposed method compared to the results obtained by traditional modeling ARIMA-GARCH and RNA were considerably advantageous. Comparing the results obtained by WARIMAX-GARCH Neural model to traditional methods there was a reduction of up to 91% of the predictive error. Keywords: Dams Monitoring, Forecast Time Series, ARIMA Models, GARCH Models, Artificial Neural Networks, Wavelet Decomposition.

Orientador : Prof. Dr. Ademir Alves Ribeiro / Coorientador : Prof. Dr. Manoel Messias Alvino de Jesus / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 02/09/2016 / Inclui referências : f. 64-69 / Área de concentração : Programação matemática / Linha de pesquisa : Métodos estatíscos aplicados a engenharia / Resumo: Este trabalho apresenta caracterizações em larga escala das flutuações das vazões em rios, tendo como principais técnicas os métodos empregados na Física de Sistemas Complexos. Inicialmente, foi utilizada uma estrutura de grafos de visibilidade horizontal, resultante da análise e do mapeamento em redes complexas, das séries temporais diárias de 141 estações diferentes, localizadas em 53 rios brasileiros entre os anos de 1931 e 2012. Verificou-se que as distribuições de graus dessas redes são bem descritas por distribuições exponenciais, nas quais os expoentes característicos são, em sua maior parte, numericamente maiores que aqueles obtidos para séries temporais aleatórias. O decaimento mais rápido do ajuste da exponencial, quando comparado ao ajuste de modelo da distribuição aleatória, evidência que a dinâmica de flutuações subjacentes às vazões dos rios têm uma natureza correlacionada de longo alcance. A investigação da evolução das descargas fluviais, acompanhando os valores dos expoentes característicos e os coeficientes de aglomeração globais das redes ao longo dos anos mostrou que as vazões dos rios em várias estações evoluíram tornando-se correlacionadas. Por fim, o uso de outros dois métodos de Física Estatística, típicos no estudo de sistemas complexos que são: o detrended fluctuation analysis (DFA) e a entropia e complexidade de permutação foram aplicados, mostrando, sobretudo, que o uso do espectro de permutação permite encontrar o período associado à sazonalidade natural da vazão dos rios e que, após padronizadas, as vazões tornam-se aproximadamente bem descritas por uma mesma distribuição. Fica claro, também, que as séries temporais são correlacionadas de longo alcance pela análise DFA. Por outro lado, revisitou-se três dos principais métodos existentes na literatura, que conseguem identificar correlações de longo alcance. Nominalmente: a análise de flutuação DFA, as transformações Wavelet e a análise entrópica (DEA - diffusion entropy analysis). Fez-se uma comparação entre os três métodos quanto a sua convergência para o verdadeiro valor do expoente ? de Hurst em função do tamanho das séries geradas. Nessa comparação, observou-se algumas peculiaridades de cada método; por exemplo: o DFA converge para valores superiores de ?, enquanto as transformações Wavelet e o DEA o fazem por valores inferiores. Com base nessa observação empírica, se propõe aplicar simultaneamente DFA e Wavelet. Isso fez com que a convergência para o valor verdadeiro de ? fosse alcançada para séries razoavelmente pequenas. Palavras-chaves: sistemas complexos, séries temporais, física estatística, correlações de longo alcance, entropia e complexidade de permutação, redes complexas, descargas fluviais / Abstract: This paper presents broad-scale characterizations of fluctuation in river flows, principally using the methods employed in complex systems physics. Initially, we used a horizontal visibility graph structure produced by analysis and mapping of complex networks from daily temporal series of 141 different stations in 53 Brazilian rivers between 1931 and 2012. The degree distributions of these networks were found to be well-described by exponential distributions, in which most of the characteristic exponents are numerically greater than those obtained for random time series. The faster decay of exponential distribution in comparison with randomized distribution shows that the dynamics underlying the fluctuations in river flow have a long-range correlation. Investigation of the changes in river discharge, by following characteristic exponent values and global clustering coefficients of the networks over this period, showed that the river flow in several stations evolved and became correlated. Finally, we applied detrended fluctuation analysis (DFA) and entropy and complexity permutation, two methods from statistical physics which are typically used to study complex systems. These showed in particular that spectrum permutation permits the period associated with the natural seasonality of river flows to be found; after this value is normalized, flow rates are described approximately using the same distribution. The time series was also clearly seen to be correlated in the long term using DFA analysis. However, we also returned to three main methods available in the literature which can identify long-range correlations: DFA fluctuation analysis, wavelet transformation, and entropic analysis (diffusion entropy analysis, or DEA). The three methods were compared to assess their convergence for the true value for Hurst's ? exponent depending on the size of the generated series. This comparison showed some peculiarities of each method; for example: DFA converges for higher ? values while wavelet and DEA converge for lower values. Based on this empirical finding, we resolved to apply DFA and wavelet simultaneously, which caused convergence for the true ? value to be achieved for relatively small series. Key-words: complex systems, time series, statistical physics, long-range correlations, entropy and complexity of permutation, complex networks, river discharges.

Orientador : Prof. Dr. Cassius Tadeu Scarpin / Coorientador : Prof. Dr. Luiz Albino Teixeira Junior / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 14/04/2016 / Inclui referências : f. 117-127 / Área de concentração : Programação matemática / Resumo: A previsão de séries temporais é empregada em várias áreas de conhecimento. O presente estudo tem como foco auxiliar, a partir de previsões de séries temporais, a tomada de decisão da equipe responsável do monitoramento e segurança de barragens na Usina Hidrelétrica de Itaipu no Paraná. Busca-se melhorar a assertividade das previsões por meio de uma metodologia híbrida composta das técnicas de Box e Jenkins (método ARIMA), das Redes Neurais Artificiais de Funções de Bases Radiais e da Decomposição Wavelet. As três técnicas são associadas de forma única gerando ajustes de teste e previsões que são similares e, por vezes, com erros menores do que os modelos híbridos da literatura, como Zhang (2003); Khashei e Bijari (2011). A inovação da metodologia elaborada neste trabalho se dá em relação a estrutura e a forma de compor a combinação das técnicas. Dado que o tipo de Wavelet influencia nas previsões, desenvolveu-se uma lógica elementar para a sua escolha. As séries temporais consagradas na literatura, dos Linces Canadenses, das Manchas Solares e da Taxa de Câmbio, são aplicadas na metodologia proposta visando determinar a melhor configuração. Esta configuração obtida foi utilizada para a aplicação na série do Piezômetro, instrumento que monitora a subpressão da Usina Hidrelétrica de Itaipu. Foi realizado o ajuste de teste (quando se faz a aplicação do método um passo a frente, empregando os dados originais da série referente ao conjunto de teste) e previsão (quando a aplicação do método resulta em valores futuros e estes são empregados para a obtenção das próximas previsões). Os resultados obtidos, considerando o ajuste de teste da série temporal, em relação às séries da literatura foram comparados aos resultados publicados e verificou-se que nas três séries testadas a metodologia proposta obteve melhor desempenho. No que se refere a previsões destaca-se o resultado da série da Taxa de Câmbio, a qual tinha como melhor resultado da literatura um erro MSE de 3,648x10-5 em Khashei e Bijari (2011), sem a utilização da Decomposição Wavelet (DW); com a metodologia proposta, realizando a DW, obteve-se um MSE de 1,943x10-6. No que diz respeito a série do Piezômetro da Usina Hidrelétrica de Itaipu pode-se verificar que o erro MSE de 0,086, é menor em relação aos modelos ARIMA e Rede Neural de Função de Bases Radiais. / Abstract: The time series forecasting is used in various fields of knowledge. The focus of this study is to support the decision making from time-series forecasting, by the committee responsible for monitoring of dam safety in the Itaipu hydroelectric dam on the Paraná. Searching to improve the assertiveness of forecasts by a hybrid methodology consists of the techniques of Box and Jenkins (ARIMA method), the Artificial Neural Networks Radial Basis Functions and Wavelet Decomposition. The three techniques are uniquely associated with generating test settings and predictions which are similar to and sometimes better than the hybrid models from the literature, such as Zhang (2003); Khashei and Bijari (2011). The innovation of the methodology developed in this work is given regarding the structure and form to compose a combination of techniques. Given that kind of influence on Wavelet forecasting, developed an elementary logic to the choice. The time series usually used in literature, Canadian Lynx, Wolf's Sunspot and Exchange Rates are applied in the proposed methodology to determine the best configuration. This configuration obtained was used for the application in the Piezometer series instrument that monitors the underpressure of the Itaipu hydroelectric dam. It conducted the test adjustment (when do the method a step ahead, using the original data series regarding the test set) and forecast (when the application of the method results in future values and these are employees to obtain the next estimates). The results obtained, considering the time series test setting, in relation to the series in the literature were compared to the published results and found that the three series tested the proposed method performed better. As regards the highlight the estimates is the result series Exchange rate, which had the best result literature 3,648x10-5 MSE error by Khashei and Bijari (2011), without the Wavelet Decomposition; the proposed method with the Wavelet Decomposition, was obtained MSE of 1,943x10-6. Regarding the Itaipu hydroelectric dam piezometer series can be seen which the MSE error of 0.086 is lower compared to ARIMA and Neural Network Radial Basis Function models.

Orientador : Prof. Dr. Arinei Carlos Lindbeck da Silva / Co-orientador : Prof. Dr. Luiz Albino Teixeira Júnior / Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 22/12/2015 / Inclui referências : f.82-93 / Resumo: Nesta tese de Doutorado é apresentado um novo método preditivo híbrido, formado basicamente pela combinação dos métodos SARIMA, Support Vector Regression e Wavelet, denominado como SARIMA Support Vector Regression Wavelet de Múltiplos Núcleos (SSVRWMN), para a predição de valores de leitura de instrumentos de barragens de concreto de usinas hidroelétricas. Tendo as previsões pontuais, estimase o intervalo de confiança por meio da técnica Bootstrap. O método SSVRWMN Bootstrap contempla as seguintes abordagens: os modelos SARIMA (para mapear estruturas de autodependência lineares sazonais e simples); a decomposição Wavelet integrada com modelos Support Vector Regression (SVRs) (que mapeiam estruturas de autodependência não lineares e da frequência espectral inerente aos dados); a programação não linear (utilizada no ajuste numérico dos parâmetros associados às combinações de previsões) e a técnica Bootstrap aplicada aos resíduos do modelo SSVRWMN com a finalidade de se estimar o intervalo de confiança Bootstrap. O objetivo é produzir previsões para as séries temporais provenientes de instrumentos de barragens, agregadoras de informações estocásticas distintas capturadas por diferentes métodos. A fim de avaliar a eficiência do método preditivo SSVRWMN, este foi aplicado a algumas séries temporais provenientes da aferição de instrumentos situados no bloco-chave I10 da barragem de Itaipu (as quais são utilizadas na análise probabilística de risco de tombamento dos blocos no sentido montante-jusante). O desempenho preditivo alcançado pelo método SSVRWMN, em relação aos métodos preditivos SARIMA, SVR e composto SARIMA-SVR, foi notadamente superior, na presente tese. Palavras-chave: Séries temporais, Instrumentação de barragens, SARIMA, Wavelet, Support Vector Regression, Programação matemática, Técnica Bootstrap. / Abstract: In this doctoral thesis is presented a new hybrid predictive method, formed by the combination of the methods SARIMA, Support Vector Regression and Wavelet referred as: SARIMA Support Vector Regression Wavelet of multiple kernels (SSVRWMN), for the prediction of reading values of concrete dams of hydroelectric plants. With the forecasts, it is estimated the confidence interval by Bootstrap technique. The method SSVRWMN Bootstrap includes the following approaches: SARIMA models (to map linear auto-dependence structures simple and seasonal); Wavelet decomposition integrated with Support Vector Regression models (SVR) (which map non-linear auto-dependence structures and spectral frequency inherent to data); nonlinear programming (used in the numerical adjustment of the parameters associated with combinations of forecasts) and the Bootstrap residual technique applied to residue the model SSVRWMN in order to estimate the Bootstrap confidence interval. The goal is to produce forecasts for the time series from instruments of dams that are aggregators of distinctive stochastic information captured by different methods. In order to evaluate the efficiency of method SSVRWMN predictive , this was applied to some time series from instruments located in block-key I10, of Itaipu Dam (which are used in probabilistic analysis tipover risk of blocks in the downstreamupstream direction). The predictive performance achieved by SSVRWMN concerning the traditional approaches SARIMA, SVR and composed SARIMA-SVR, have been remarkable superior. Keywords: Time series, dam Instrumentation, SARIMA, Wavelet, Support Vector Regression, Mathematical programming, Bootstrap Technique.

Este trabalho apresenta um estudo sobre o paradigma de Algoritmos Genéticos aplicados a área de Predições de Séries Temporais. O resultado deste trabalho é apresentado na forma de comparação dos resultados obtidos entre o Modelo Clássico de Predição (UCM), Redes Neurais Artificiais (RNAs) e o modelo de Algoritmos Genéticos desenvolvido neste trabalho. Este estudo foi realizado trabalhando-se basicamente com o Índice Mensal de Produção Industrial do Estado do Rio Grande do Sul fornecido pelo IBGE (Instituto Brasileiro de Geografia e Estatística). Os resultados obtidos mostram que os Algoritmos Genéticos podem atingir níveis satisfatórios de precisão em relação aos valores preditos quando comparados com os valores reais. A validação é feita com predições de um passo à frente e de sete passos à frente. Estas predições são em relação aos sete meses iniciais do ano de 1993. / This work presents a study of Genetic Algorithms paradigm applied to Forecasting Time Series. The results are compared with the obtained with the Classic Model of Prediction (UCM), Artificial Neural Networks (RNAs). This study was accomplished using with the Monthly Index of Industrial Production of the State of Rio Grande do Sul, supplied by the IBGE(Instituto Brasileiro de Geografia e Estatística). The results show that the Genetic Algorithms can accomplish a satisfactory precision when compared with the real values. The validation is made with predictions, one and seven steps ahead. These predictions are equivalent to the seven initial months of 1993.

Este trabalho elaborou séries temporais de eventos extremos de precipitação, de 1901 a 2000 para o Estado do Rio Grande do Sul (RS). Utilizou-se reanálises da Universidade de Delaware (EUA), registros históricos de jornais, registros oficiais, e dados de 17 estações meteorológicas do INMET no RS. Identificou-se anomalias climáticas (positivas e negativas) de precipitação ao longo do século XX em diferentes pontos do RS. Adotou-se como evento extremo anomalias superiores (inferiores) a 50 mm (-50 mm). As séries foram aplicadas a um zoneamento da precipitação do RS visando avaliar a variabilidade e a distribuição, assim como a influência do El Niño – Oscilação Sul (ENOS). O zoneamento escolhido foi: Campanha, Litoral e Planalto. Por fim, foi gerada uma classificação da variabilidade da precipitação durante eventos ENOS para o RS, no século XX, com base na classificação do ENOS na região do Niño 3.4. Identificou-se que as zonas Campanha e Planalto são mais suscetíveis à variabilidade do ENOS com média de 75 mm em eventos positivos e -67 mm em eventos negativos de precipitação, e o Litoral apresenta menor influência aparente, indicando uma subdivisão desta zona em dois setores devido ao seu contraste latitudinal. A maior anomalia mensal para os meses neutros foi de 428,90 mm (abril de 1959), 224,51 (abril de 1941) mm em anos de El Niño e 174,55 mm (janeiro de 1938) em La Niña. Por fim, observouse que o zoneamento não se mostrou adequado para esta análise, pois o Planalto, maior zona em área, apresenta uma amplitude de 1200 m na altimetria, e o Litoral apresenta um comportamento diferenciado devido ao contraste latitudinal e a escarpa do planalto no litoral norte. Identificou-se que os primeiros 50 anos do século XX apresentam equivalência entre a região do Niño 3.4 e o RS. A partir de 1950, os eventos no RS passaram a ter uma classe maior do que no Niño 3.4, ou seja, houve um aumento (diminuição) médio de 50 mm (-25 mm) nas anomalias positivas (negativas) de precipitação no RS. Assim, nos últimos 50 anos, um evento de uma determinada classe na região Niño 3.4 pode gerar anomalias de precipitação maiores no Rio Grande do Sul. / This work elaborated time series of precipitation extreme events (1901-2000) for the Rio Grande do Sul State (RS). Reanalysis from University of Delaware, newspapers historical records, official records and data from 17 INMET meteorological stations were used. Precipitation climatic anomalies (positive and negative) were identified at different points of RS during the 20th century. It was found that positive (negative) anomalies were above (below) of 50 mm (-50 mm). The time series were applied to a RS precipitation zoning to spatialize the variability and distribution, as well the influence of El Niño – South Oscillation (ENSO). The zoning was: Campanha, Litoral and Planalto. Afterwards, a classification of RS precipitation variability during ENSO events was generated based on Niño 3.4 region classification. It was identified that Campanha and Planalto zones are more susceptible to ENSO variability, pointing a mean of 75 (-67) mm in positive (negative) precipitation events, and the Litoral showed less apparent influence, indicating a subdivision of this zone into two sectors due it’s latitudinal contrast. The highest monthly anomaly in neutral months was 428,90 mm (April 1959), 224,51 mm (April 1941) in El Niño events and 174,55 mm (January 1938) in La Niña events. Finally, it was observed that the zoning was not adequate for this analysis, since the Planalto, largest zone, presents 1200 m of amplitude in altimetry and the Litoral presents differentiated behavior due the latitudinal contrast and the escarpment of the Plateau on the north coast. It was identified that the first 50 years of the 20th century presented equivalence between Niño 3.4 region and the RS classifications. After 1950, the events in RS started to show a higher class than in Niño 3.4. There was an average increase (decrease) of 50 mm (-25 mm) in positive (negative) precipitation anomalies in RS. Then, in the last 50 years, an event of a certain category may generate higher precipitation anomalies at the Rio Grande do Sul.

Este trabalho aplica algumas formas de penalização tipo LASSO aos coeficientes para reduzir a dimensionalidade do espaço paramétrico em séries temporais, no intuito de melhorar as previsões fora da amostra. Particularmente, o método denominado aqui como WLadaLASSO atribui diferentes pesos para cada coeficiente e para cada defasagem. Nas implementações de Monte Carlo deste trabalho, quando comparado a outros métodos de encolhimento do conjunto de coeficientes, essencialmente nos casos de pequenas amostras, o WLadaLASSO mostra superioridade na seleção das covariáveis, na estimação dos parâmetros e nas previsões. Uma aplicação a séries macroeconômicas brasileiras também mostra que tal abordagem apresenta a melhor performance de previsão do PIB brasileiro comparada a outras abordagens. / This dissertation applies some forms of LASSO-type penalty on the coefficients to reduce the dimensionality of the parameter space in time series, in order to improve the out-of-sample forecasting. Particularly, the method named here as WLadaLASSO assigns different weights to each coefficient and lag period. In Monte Carlo implementations in this study, when compared to other shrinkage methods, essentially for small samples, the WLadaLASSO shows superiority in the covariable selection, in the parameter estimation and in forecasting. An application to Brazilian macroeconomic series also shows that this approach has the best forecasting performance of the Brazilian GDP compared to other approaches.