Embora há muito tempo já se tenha conhecimento da importância da recuperação de informações temporais, não existe um SGBD temporal que tenha sido desenvolvido unicamente para aplicações comerciais, que supra todas as necessidades e abranja todos os aspectos temporais necessários a estas aplicações. O SGBD da Oracle, a partir da versão 8i, possibilita a inserção de características temporais similares às de tempo de transação no BD, através de um pacote de tempo denominado Time Series Cartridge. Entretanto, em muitos casos, a utilização deste cartucho de tempo não é suficiente para que se possa implementar por completo tudo o que foi especificado na modelagem do sistema. A modelagem completa da realidade só é alcançada se forem utilizadas em conjunto as características de tempo de transação e de tempo de validade no banco de dados. Neste trabalho são sugeridos e implementados mecanismos para a inserção e o gerenciamento do tempo de validade no SGBD Oracle. O tempo de validade é administrado através da execução de funções, procedimentos, gatilhos e objetos, organizados em forma de um pacote, de maneira que este possa ser utilizado em conjunto com o Time Series Cartridge.

Neste trabalho fazemos revisão de alguns dos principais métodos para análise não-linear de séries temporais originadas a partir de sistemas de baixa dimensionalidade com dinâmica predominantemente determinística, dando ênfase ao problema de classificação/clusterização nãosupervisionada destas mesmas séries. Várias medidas de dissimilaridade são utilizadas em conjunto com métodos heurísticos baseados em algoritmos estocásticos, para a organização de segmentos de séries temporais não estacionárias em grupos com características em comum, na tentativa de associar a estes alguma característica clínica previamente conhecida. O método é implementado com diferentes medidas de dissimilaridade e um experimento feito com séries temporais sintéticas (obtidas a partir de simulação numérica) com fins de validação e posteriormente aplicado a um problema real, o problema de segmentação de estágios de sono. Os resultados indicam certa promissoriedade do método para aplicação na classificação estágios de sono em eletroencefalogramas. / In this work we make a review of some of the main methods available for nonlinear time series analysis for low-dimensional deterministic systems, giving emphasis to the problem of unsupervised classification/clustering of this kind of data. Various dissimilarity measures are used together with heuristic search methods based on stochastic algorithms to organize segments of one (big) nonstationary time series in groups with common characteristics, trying to relate these groups to some known clinical property. The method is implemented with different dissimilarity measures and one experiment made with synthetic (generated by numerical simulations) time series for validation and lately applied to a real problem, the problem of sleep stages segmentation. The results look promising with respect to the applicability of the method to classify sleep stages in electroencephalographic recordings.

Uma aplicação distribuída freqüentemente tem que ser especificada e implementada para executar sobre uma rede de longa distância (wide-área network-WAN), tipicamente a Internet. Neste ambiente, tais aplicações são sujeitas a defeitos do tipo colapso(falha geral num dado nó), teporização (flutuações na latência de comunicação) e omissão (perdas de mensagens). Para evitar que este defeitos gerem comseqüências indesejáveis e irreparáveis na aplicação, explora-se técnicas para tolerá-los. A abstração de detectores de defeitos não confiáveis auxilia a especificação e trato de algoritmos distribuídos utilizados em sistemas tolerantes a falhas, pois permite uma modelagem baseada na noção de estado (suspeito ou não suspeito) dos componentes (objetos, processo ou processadores) da aplicação. Para garantir terminação, os algoritmos de detecção de defeitos costumam utilizar a noção de limites de tempo de espera (timeout). Adicionalmente, para minimizar seu erro (falasas suspeitas) e não comprometer seu desempenho (tempo para detecção de um defeito), alguns detectores de defeitos ajustam dinamicamente o timeout com base em previsões do atraso de comunicação. Esta tese explora o ajuste dinâmico do timeout realizado de acordo com métodos de previsão baseados na teoria de séries temporais. Tais métodos supõem uma amostragem periódica e fornececm estimativas relativamente confiáveis do comportamento futuro da variável aleatória. Neste trabalho é especificado uma interface para transformar uma amostragem aperiódica do atraso de ida e volta de uma mensagem (rtt) numa amostragem periódica, é analisado comportamento de séries reais do rtt e a precisão dee sete preditores distintos (três baseados em séries temporais e quatrro não), e é avaliado a influência destes preditores na qualidade de serviço de um detector de defeitos do estilopull. Uma arquitetura orientada a objetos que possibilita a escolha/troca de algoritmos de previsão e de margem de segurança é também proposta. Como resultado, esta tese mostra: (i) que embora a amostragem do rtt seja aperiódica, pode-se modelá-la como sendo uma série temporal (uma amostragem periódica) aplciando uma interface de transformação; (ii) que a série temporal rtt é não estacionária na maioria dos casos de teste, contradizendo a maioria das hipóteses comumente consideradas em detectores de defeitos; (iii) que dentre sete modelos de predição, o modelo ARIMA (autoregressive integrated moving-average model) é o que oferece a melhor precisão na predição de atrasos de comunicação, em termos do erro quadrático médio: (iv) que o impacto de preditores baseados em séries temporais na qualidade de serviço do detector de defeitos não significativo em relação a modelos bem mais simples, mas varia dependendo da margem de segurança adotada; e (v) que um serviço de detecção de defeitos pode possibilitar a fácil escolha de algoritmos de previsão e de margens de segurança, pois o preditor pode ser modelado como sendo um módulo dissociado do detector.

Resumo não disponível

Made available in DSpace on 2018-08-24T22:53:00Z (GMT). No. of bitstreams: 1 tese_2610_dissertacao.pdf: 782482 bytes, checksum: 6c57a81c7e36490953edf68b7026043a (MD5) Previous issue date: 2008-08-20 / Estudos com series temporais t^em sido amplamente utilizados em analises de dados ambientais. Este trabalho avalia as concentrac~oes diarias de Material Particulado Inalavel (PM10) para a Regi~ao da Grande Vitoria, ES, Brasil, para os anos de 2003 e 2004, utilizando processos SARFIMA-GARCH, modelos que capturam as propriedades de longa depend^encia, sazonalidade e volatilidade condicional variavel no tempo. Para veri-car a e-cacia da metodologia, realizou-se estudos de comparac~ao de predic~ao e previs~ao a modelos usuais da literatura, e os resultados evidenciaram que o modelo proposto, SARFIMAGARCH captou melhor variabilidade dos dados em termos do erro quadratico medio.

Orientadores: Chang Hung Kiang, Armando Zaupa Remacre / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociencias / Made available in DSpace on 2018-07-20T20:27:14Z (GMT). No. of bitstreams: 1 Castro_FernandoColloCorreae_M.pdf: 3583043 bytes, checksum: 44235b923293f319ed00fbd79a09751e (MD5) Previous issue date: 1995 / Resumo: A análise de séries temporais é uma ferramenta que pode ser aplicada no estudo de fenômenos geológicos com o objetivo de simplificar e eventualmente explicar o comportamento de um determinado conjunto de dados. A construção de modelos de séries temporais no domínio da freqüência é útil em investigações exploratórias, onde o interesse principal é a identificação de registros periódicos ou quase periódicos. Confirmada a influência de fatores cíclicos no pacote investigado, modelos de séries temporais no domínio da freqüência podem ser úteis na correlação entre perfis eletro-radioativos. Para o caso específico de correlações de pacotes cíclicos, filtros de freqüência são utilizados para suprimir ou atenuar certos componentes harmônicos de uma determinada faixa de freqüência. No domínio do tempo é discutida a teoria de construção de modelos auto regressivos univariados e média móveL através da metodologia Box & Jenkins e são apresentadas aplicações destes modelos em perfis raios gama. Não foram considerados modelos multivariados. A análise de Fourier e auto correlações dos perfis revelaram ainda a presença de ciclos hierárquicos, que sugerem influências de fatores orbitais e climáticos durante a deposição sedimentar do pacote investigado, relacionados com os ciclos de Milankovitch de 23 ka e 41 ka / Abstract: Time series analysis is a tool of statistical theory that can be applied to geological phenomena to make an adequate estimate of some data sets. Time series can be described or implemented in ftequency domain (power spectrum) in order to identify hidden periodicity of data. Once cyclic factors are identified in sedimentary sequence, time series models can be proved useful in stratigraphical correlation either using electricallogs or core descriptions. Much of concem in this work was centered on examining the characteristics of gamma rays logs in the time domain, using parameter models, such as autoregressive or moving average ARIMA, of the Box & Jenkins method. The Fourier analysis and autocorrelations applied to an alternating limestone and marl succession of the Campos Basin, have detected cyclical fluctuations related to Milankovitch cycles of 23 kyr and 41 kyr / Mestrado / Mestre em Geoengenharia de Reservatorios

Orientadores: Jansle Vieira Rocha, Rubens Augusto Camargo Lamparelli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-15T17:48:12Z (GMT). No. of bitstreams: 1 Figueiredo_GleyceKellyDantasAraujo_M.pdf: 6336572 bytes, checksum: 543d5ecd1cecff2ebb2ab13e845b5bfc (MD5) Previous issue date: 2010 / Resumo: A agricultura está fortemente ligada às condições meteorológicas, tornando-se uma atividade de risco. Sendo assim, um sistema de monitoramento e previsão de safras é necessário para evitar grandes perdas. O monitoramento agrícola, aliado a estudos de varibilidade meteorológica, é de extrema importância, pois determina a melhor época em que deve ocorrer a semeadura, bem como os períodos de maior necessidade hídrica da planta. A utilização do sensoriamento remoto para monitoramento agrícola e sua associação a dados meteorológicos viabilizam o monitoramento de culturas, desde o plantio até a colheita. Desta forma, o objetivo deste trabalho foi mapear culturas de verão (soja e milho) no estado do Paraná por meio de composições decendiais NDVI de imagens do satélite SPOT Vegetation nas safras 2005/2006, 2006/2007 e 2007/2008, e associar a dados de precipitação para determinar e mapear épocas de semeadura. Para isso, foi utilizado o método de classificação digital supervisionada em composições multitemporais das imagens, de forma a gerar máscaras da cultura da soja para cada composição decendial. A verificação da acurácia das máscaras foi realizada utilizando o índice Kappa alcançando valores de 0,70, 0,75 e 0,77, Exatidão Global 0,91, 0,91 e 0,93 e Índice de concordância de Willmot (d) entre 0,93, 0,93 e 0,99. Os perfis temporais de NDVI possibilitaram a detecção do início do ciclo vegetativo das culturas. Foram utilizados dados de precipitação da rede de estações meteorológicas do SIMEPAR e do modelo atmosférico ECMWF. Os dados das estações meteorológicas foram compilados a partir de dados diários a dados decendiais, tendo em vista que as informações do modelo são decendiais. Em seguida foi necessário especializá-las e reamostrá-las para um grid de 1 km x 1 km. Essas duas informações foram interpoladas através do Inverso Quadrado da Distância a fim de obter o perfil de precipitação da região estudada durante a safra de verão. A interpolação de dados de precipitação mostrou-se expressiva, uma vez que os valores interpolados e os valores reais foram significativos quando avaliado pelo índice de concordância 'd' de Willmot, variando entre 0,74 a 0,99. Para as três safras em estudo, apenas o comportamento da última foi distinta das demais, onde foi possível detectar atraso da chuva de um mês em relação às outras safras. Com a espacialização da precipitação dentro do estado foi possível fazer o cruzamento entre as máscaras da cultura de verão e os mapas de precipitação decendial, de modo a descobrir o inicio do desenvolvimento do ciclo da cultura. Desta forma foi possível perceber que houve um retardamento no início do ciclo da cultura para regiões em que a semeadura ocorreu antes do período mais chuvoso. A associação entre o perfil temporal de NDVI e precipitação permitiu identificar e mapear diferenças entre épocas de início de ciclo dentro do estado do Paraná / Abstract: Agriculture is highly dependent on meteorological conditions, making it a risky activity, so, in order to avoid large losses, it is necessary to devlop an appropriate crop yield forecasting system. Agricultural monitoring coupled with studies of weather variability is extremely important to determine the best time to sown as well as periods of higher water requirement by the plants. The use of remote sensing for agricultural monitoring in addition to meteorological data enables crop monitoring from planting to harvest. Thus, the goal of this study was to map summer crops in the state of Parana through dekadal composition of SPOT Vegetation NDVI imagery for the 2005/2006, 2006/2007 and 2007/2008 cropping seasons. Supervised classification of multitemporal image composites was used to generate cropland masks for each dekad. Accuracy assessment was performed using Kappa Index reaching values of 0.70, 0.75 and 0.77 and overall accuracy 0.91, 0.91 and 0.93. NDVI temporal profiles were used to detect the beginning of the crop vegetative cycles. Rainfall data from SIMEPAR network of meteorological ground stations and ECMWF atmospheric model were used. The data from the ground stations were compiled from daily to dekadal in order to comply with model data, which is a ten days compilation . Then it was necessary to spatialize and resample them to a 1 km x 1 km grid. These two data were interpolated using the inverse distance to square method to extract the profile of precipitation in the region during the summer harvesting season. The interpolation of rainfall generated good results, once the interpolated values as copared to actual values were significant when evaluated by the agreement index 'd' of Willmot, ranging between 0.74 to 0.99. For the three cropping seasons studied only the behavior of last season was distinct from the others , it was possible to detect a rain delay of one month in relation to other seasons. With the rainfall spacialization within the state it was possible to cross the masks of the summer crops with the maps of the decadal rainfall, in order to discover the beginning of the crop vegetative cycle. So it was possible to see that there was a delay at the beginning of the crop cycle in areas where the sowing occurred before the rainy season. The association between NDVI temporal profile and rainfall allowed to identify and to map the differences among starting of the crop vegetative cycle in the state of Parana / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola

[pt] Neste trabalho fazemos uma revisita à causalidade no sentido de Granger aplicada às Séries Temporais bivariadas no domínio do tempo e da freqüência. Um programa computacional foi escrito usando a linguagem Pascal para, testando casos reais e simulados, construir modelos de causalidade/feedback, que são então analisados no ambiente espectral, com ênfase maior à discussão da coerência e da fase de causalidade. / [en] In this work causality in the sense defined by Granger is revisited. Applications to bivariante temporal systems in time domain and frequency-domain were analysed, using a computer program written in Pascal. After this, spectral methods were developed, with special emphasis on phase and causality-coerence.

[pt] O objetivo primordial desta tese é descrever e discutir um método para previsão de séries temporais que apresentam descontinuidades bruscas - o chamado Método Bayesiano de Crescimento Linear de Estados Múltiplos (MCL-EM), desenvolvido por Harrison e Stevens. Na primeira parte é feito um rápido apanhado dos métodos existentes para previsão de séries temporais e seu relacionamento com métodos bayesianos mais gerais. A seguir é apresentado o MCL-EM e comparado com os principais métodos clássicos de crescimento linear. Finalmente são apresentadas algumas aplicações a séries reais e simuladas e analisadas suas vantagens e desvantagens em relação aos demais métodos em geral. / [en] The main objective of this dissertation is to describe and discuss a forecasting method for time series subject to sudden discontinuities - the so called multi-state linear Growth Bayesian Method (MLG for short), developped by Harrison and Stevens. The first part consists of a brief revision of the existing time series forecasting methods and their relationships with the more general bayesian methods. It is followed by a description of the MLG and its comparison with the classical linear growth methods. Finally, some applications to real and simulated time series are presented and its advantages and drawbaks are thoroughly discussed.

[pt] Esta dissertação apresenta um modelo não linear auto-regressivo com variáveis exógenas (ARX), para análise e previsão de séries temporais. Os coeficientes do modelo são estimados pela saída de uma rede neural feed-forward, treinada por um algoritmo híbrido de otimização. Os resultados obtidos são comparados tanto com modelos lineares, quanto com não lineares. / [en] This thesis presents a non linear autoregressive model with exogeneous variables (ARX), for time series analysis and forecasting. The coefficients of the model are given by the output of a feed-forward neural network. The results are compared with both linear and non linear models.