Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4757.pdf: 552745 bytes, checksum: 4f9bf1ad04dfca4e80bbfdf36c909f6f (MD5) Previous issue date: 2012-12-06 / Financiadora de Estudos e Projetos / Time series forecasting is probably one of the most primordial interests on economics and econometrics, and the literature on this subject is extremely vast. Due to technological growth in recent decades, large amounts of time series are daily collected; which, in a first moment, it requires forecasts according a fixed horizon; and on the second moment the forecasts must be constantly updated, making it impractical to human interaction. Towards this direction, computational procedures that are able to model and return accurate forecasts are required in several research areas. The search for models with high predictive power is an issue that has resulted in a large number of publications in the area of forecasting models. We propose to do a theorical and applied study of forecasting methods applied to multiple univariate time series. The study was based on exponential smoothing via state space approach, automatic ARIMA methods and the generalized Theta method. Each model and method were applied in large data bases of univariate time series and the forecast errors were evaluated. We also propose an approach to estimate the Theta coefficients, as well as a redefinition of the method regarding the number of decomposition lines, extrapolation methods and a combining approach. / A previsão de séries temporais é provavelmente um dos interesses mais primordiais na área de economia e econometria, e a literatura referente a este assunto é extremamente vasta. Devido ao crescimento tecnológico nas últimas décadas, diariamente são geradas e disponibilizadas grandes quantidades de séries temporais; que em um primeiro momento, requerem previsões de acordo com um horizonte fixado; e no segundo momento as previsões precisam ser constantemente atualizadas, tornando pouco prática a interação humana. Desta forma, procedimentos computacionais que modelem e posteriormente retornem previsões acuradas são exigidos em diversas áreas do conhecimento. A busca por modelos com alto poder de preditivo é uma questão que tem resultado em grande quantidade de publicações na área de modelos para previsão. Neste trabalho, propõe-se um estudo teórico e aplicado de métodos de previsão aplicado à múltiplas séries temporais univariadas. O estudo foi baseado em modelos de alisamento exponencial via espaço de estados, método ARIMA automático e o método Theta generalizado. Cada modelo e método foi aplicado em grandes bases de séries temporais univariadas e avaliado o resultado em relação aos erros de previsão. Também foi proposta uma abordagem para estimação dos coeficientes Theta, assim como redefinição do método em relação a quantidade de linhas para decomposição, métodos de extrapolação e combinação das linhas para previsão.

Made available in DSpace on 2016-06-02T19:06:12Z (GMT). No. of bitstreams: 1 5971.pdf: 5628502 bytes, checksum: 38bfe45912e4f91f4ad8c7fb5fb815db (MD5) Previous issue date: 2012-08-03 / Universidade Federal de Minas Gerais / Technological development brought improvements in the technology of climate sensors and Earth's surface image acquisition, gathering increasing amounts of data. Generally, when these data are submitted to mining algorithms, the output is the production of hundreds or even thousands of textual patterns, making the task of data analysis by the domain expert even harder. Hence, it is crucial, to support experts, the development of a tool that helps to identify and display patterns of interest. In this context, this research project at Master Science level aims to develop a technique for mining association rules in time series allowing agrometeorological data analysis over time. / O avanço tecnológico tem propiciado melhorias nos diversos sensores utilizados para medições dos dados climáticos e de imageamento da superfície terrestre, coletando quantidades cada vez maiores de dados. Quando esses dados são submetidos aos algoritmos de mineração para serem explorados ocorre, em geral, a produção de centenas ou ate mesmo milhares de padrões textuais, dificultando ainda mais a tarefa de analise dos dados pelo especialista de domínio. Assim, e crucial, para apoiar os especialistas, o desenvolvimento de um ferramental que auxilia na identificação e visualização dos padrões de interesse. Neste contexto, este projeto de pesquisa em nível de mestrado visa desenvolver uma técnica de mineração de regras de associação em series temporais permitindo a analise de dados agrometeorológicos ao longo do tempo.

Made available in DSpace on 2016-06-02T19:06:18Z (GMT). No. of bitstreams: 1 6337.pdf: 1365151 bytes, checksum: 464969011137271e4d5d5088872c236b (MD5) Previous issue date: 2014-08-28 / A time series analysis presents challenges. There is a difficulty to manipulate the data by requiring a large computational cost, or even, by the difficulty of finding subsequences that have the same characteristics. However, this analysis is important for understanding the evolution of various phenomena such as climate change, changes in financial markets among others. This project proposed the development of a method for performing similarity queries in time series that have better performance and accuracy than the state-of-art and a method of mining association rules in series using similarity. The experiments performed have applied the proposed methods in real data sets, bringing relevant knowledge, indicating that both methods are suitable for analysis by similarity of one-dimensional and multidimensional time series. / A analise de séries temporais apresenta certos desafios. Seja pela dificuldade na manipulação dos dados, por exigir um grande custo computacional, ou mesmo pela dificuldade de se en¬contrar subsequências que apresentam as mesmas características. No entanto, essa analise e importante para o entendimento da evolução de diversos fenômenos como as mudanças climaticas, as variações no mercado financeiro entre outros. Este projeto de mestrado propos o desenvolvimento de um método para a realização de consultas por similaridade em series temporais que apresentam melhor desempenho e acurâcia que o estado-da-arte e um método de mineração de regras de associação em series utilizando similaridade. Os experimentos feitos aplicaram os métodos propostos em conjuntos de dados reais, trazendo conhecimento relevante, indicando que os metodos são adequados para analise por similaridade de series temporais unidimensionais e multidimensionais.

Orientador: Antonio Fernando Crepaldi / Banca: Rogério Andrade Flauzino / Banca: José Alfredo Colovan Ulson / Resumo: A previsão de séries temporais financeiras é uma das questões mais pesquisadas no campo das finanças, sobretudo, no que diz respeito ao mercado acionário e à análise de riscos. Para tanto, essas pesquisas envolvem desde modelos estatísticos e econométricos até modelos de inteligência artificial, como as redes neurais dinâmicas. Nesse sentido este estudo tem o propósito de desenvolver e aplicar dois modelos de redes neurais artificiais dinâmicas, a rede neural focada atrasada no tempo - FTDNN (focused time delay neural network) e a rede neural auto regressiva com entradas exógenas - NARX (nonlinear autoregressive network with exogenous inputs) para previsão de séries temporais financeiras, tendo como padrão de referência de desempenho mínimo um modelo estatístico tradicional do tipo ARMA-GARCH. Essa abordagem camparativa também considera três modalidades diferentes de transformação de dados na fase pré-processamento das redes: as diferenças de primeira ordem, os retornos logarítmicos e a transformação Box-Cox, buscando analisar o impacto de cada uma delas no desempenho preditivo das redes neurais. Também propõe uma abordagem neural para o processo de reversão dos dados previstos e uma métrica de erro capaz de verificar o desempenho preditivo das redes neurais e sua capacidade de captar tendências de curto prazo e eficiência negocial. Em sentido amplo, os resultados obtidos indicam que a rede NARX apresenta melhor desempenho preditivo que a rede FTDNN, sobretudo, no que diz respeito à captura de tendências; que a transformações de dados podem melhorar o nível de acurácia das previsões em ambas as redes e que a transformação por retornos logarítimos gera os melhores desempenhos. Quanto ao processo de reversão dos dados previstos para a escala da série original, o método neural proposto foi bem sucedido apenas para a transformação Box-cox / Abstract: Financial time-series forescasting is one of the most researched issues in finances, mainly with regard to the stock market and risk analysis. Therefore, these studies involve from statistical and econometric models up to artificial intelligence models, such as dynamic neural networks. In this sense, this study aims to develop and apply two models of dynamic artificial neural networks, FTDNN (focused time delay neural network) and NARX (nonlinear autoregressive network with exagenous inputs) for financial time series forescasting, with a traditional statistical model such as ARMAGARCH as the benchmark for minimum performance. The comparative approach also considers three diferent types of data transformation in the pre-processing phase of the networks: first order differences, logarithmics returns and Box-Cox transformation, and tries to analyze the impact of each on the predictive performance of the neural networks. It also proposes a neural approach to the process of reversing the predicted data set, and an error metric that could be able to verify the predictive performance of neural networks and its ability to capture short-term trends and negotiation efficiency. In a bropad sense, the reults indicate that the NARX network network performs beter than the FTDNN, especially with regard to capturing trends; that data transformations may improve the forescasting accuracy in both networks, and that the logarithmics returns transformation generates the best prediction performance. Regarding the process of reversing the predicted data for the scale of the original series, the neural method proposed succeeded only for Box-Cox transformation / Mestre

Orientador: Maria de Lourdes Bueno Trindade Galo / Coorientador: Enner Herenio de Alcântara / Coorientador: Milton Hirokazu Shimabukuro / Banca: Paulo Cesar Rocha / Banca: Arcilan Trevenzoli Assireu / Resumo: A qualidade da água e o estado trófico de um lago é um problema particularmente grave em reservatórios, considerando que a construção da barragem altera significativamente as condições físicas, químicas e biológicas do ecossistema aquático. Séries temporais de imagens de sensoriamento remoto, as quais possibilitam uma visão sinóptica e melhor resolução temporal e espectral, permitem estudar o fenômeno trófico em grandes reservatórios e avaliar a variabilidade dos componentes opticamente ativos da água associados aos processos tróficos a partir de padrões periódicos de sazonalidade e tendência. O presente trabalho foi desenvolvido no reservatório de Porto Primavera localizado no rio Paraná, e constou, inicialmente, da calibração de modelos empíricos para relacionar os valores de reflectância de sensoriamento remoto e com medidas obtidas in situ de variáveis opticamente ativas (clorofila-a - Chl-a, totais de sólidos suspensos - TSS e profundidade do Disco de Secchi - PDS) e da estimativa do Índice de Estado Trófico por meio da concentração de clorofila-a (IET (Chl-a)). Modelos empíricos validados para as variáveis foram aplicados a imagens do sensor MODIS/Terra, referentes ao produto de reflectância de superfície MOD09 e extrapolados para o período de maio de 2000 a abril de 2015 gerando-se as séries temporais para cada uma delas. A fim de analisar a dinâmica espacial e temporal das variáveis opticamente ativas foram utilizadas técnicas de visualização de dados uni e multivariados. A análise das séries temporais mostrou que todas as variáveis observadas apresentam considerável variabilidade sazonal e, pelas imagens MODIS, verificou-se que os valores do IET (Chl-a) na desembocadura dos rios Pardo e Peixe foram consistentemente mais elevados... / Abstract: The quality and trophic state of the water are critical problems in lentic environments such as hydroelectric reservoirs. These man-made constructions alter the natural environment and the physical, chemical and biological water characteristics. Time series of remote sensing images, which provide a synoptic view and suitable temporal and spectral resolution, allow studying the trophic phenomena in large artificial lakes and evaluate the variability of optically active components associated with trophic processes from periodic patterns of seasonality and trend. This work was developed in the Porto Primavera reservoir located in the Paraná River on the border between Mato Grosso do Sul and São Paulo states, Brazil. Its development consisted at first, of the calibration of empirical models to relate remote sensing reflectance values and in situ measurements of optically active variables (chlorophyll-a - Chl-a, total suspended solids - TSS and Secchi disk depth - SDD) and the estimation of Trophic State Index by means of concentration of chlorophyll-a (TSI (Chl-a)). Empirical models calibrated for the variables were applied to images from MODIS/Terra, referring to surface reflectance product MOD09 and they were extrapolated for the period from May 2000 to April 2015, generating the time series for each of them. In order to analyze the spatial and temporal dynamics of the optically active variables were used visualization techniques for univariate and multivariate data. The analysis of time series showed that all observed variables present considerable seasonal variability. MODIS images indicated TSI (Chla)... / Doutor

Para qualquer sistema observado, físico ou qualquer outro, geralmente se deseja fazer predições para sua evolução futura. Algumas vezes, muito pouco é conhecido sobre o sistema. Se uma série temporal é a única fonte de informação no sistema, predições de valores futuros da série requer uma modelagem da lei da dinâmica do sistema, talvez não linear. Um interesse em particular são as capacidades de previsão do modelo global para análises de séries temporais. Isso pode ser um procedimento muito complexo e computacionalmente muito alto. Nesta dissertação, nos concetraremos em um determinado caso: Em algumas situações, a única informação que se tem sobre o sistema é uma série sequencial de dados (ou série temporal). Supondo que, por detrás de tais dados, exista uma dinâmica de baixa dimensionalidade, existem técnicas para a reconstrução desta dinâmica.O que se busca é desenvolver novas técnicas para poder melhorar o poder de previsão das técnicas já existentes, através da programação computacional em Maple e C/C++.

The present work aims at discussing the main theoretical aspects related to the occurrence of long memory processes and its respective application in economics and finance. In order to discuss the main theoretical aspects of its occurrence, it is worth starting from the complex systems approach and emergent phenomena, keeping in mind that many of these are computationally irreducible. In other words, the current state of the system depends on all previous states, in such a way that any change in the initial configuration must cause a significant difference in all posterior states. That is, there is a persistence of information over time - this is a concept directly related to long memory processes. Hence, based on complex systems simulations, three factors (possibly there are many others) were related to the rise of long memory processes: agents\' heterogeneity, occurrence of large deviations from the steady states (in conjunction with the motion laws of each system) and spatial complexity (which must influence on information propagation and on the dynamics of agents competition). In relation to the applied knowledge, first it is recognized that the explanatory factors for the rise of long memory processes are common to the structures/characteristics of real markets and it is possible to identify potential stylized facts when filtering the long memory components from time series - a considerable part of information present in time series is a consequence of the autocorrelation structure, which is directly related to the specificities of each market. Given that, in this thesis was developed a new risk contagion technique that does not need any further intervention. This technique is basically given by the calculation of rolling correlations between long memory filtered series of the conditional variances for different economies, such that these filtered series contain the stylized facts (risk peaks), free from possible overreactions caused by market idiosyncrasies. Then, based on the identification of risk contagion episodes related to the 2007/2008 Subprime Crisis in the U.S. and its respective contagion to the Brazilian economy, it was filtered out from the conditional variance of the Brazilian assets (which are an uncertainty measure) aiming at eliminating the contagion episodes and, consequently, it was made a counterfactual projection of what would have happened to the Brazilian economy if the risk contagion episodes had not occurred. Moreover, in conjunction with the evolutionary trend of the Brazilian economy prior to the crisis, it is possible to conclude that 70% of the economic crisis posterior to the 2008 events was caused by macroeconomic policies and only 30% is due to the effects of risk contagion episodes from the U.S. / O presente trabalho tem como objetivo discutir os principais aspectos teóricos ligados à ocorrência dos processos de memória longa e sua respectiva aplicação em economia e finanças. Para discutir os principais aspectos teóricos da sua ocorrência, recorre-se primeiramente à abordagem de sistemas complexos e fenômenos emergentes, tendo em vista que muitos destes são irredutíveis computacionalmente, ou seja, o estado atual do sistema depende de todos os estados anteriores, tal que, qualquer mudança nos instantes iniciais deve causar significativa diferença nos estados posteriores. Em outras palavras, há uma persistência da informação - conceito este intimamente ligado à memória longa. Portanto, com base em simulações de sistemas complexos computacionais, três fatores (podendo haver outros mais) foram relacionados ao surgimento de processos de memória longa: heterogeneidade dos agentes, ocorrência de grandes desvios do equilíbrio do sistema (em consonância com as respectivas leis do movimento de cada sistema estudado) e a complexidade espacial (que deve influenciar na propagação da informação e na dinâmica competitiva dos agentes). Em relação à aplicação do conhecimento, primeiro é reconhecido que os fatores explicativos para o surgimento de processos de memória longa são inerentes a estruturas/características de mercados reais e que é possível identificar potenciais fatos estilizados, ao filtrar as componentes de memória longa de séries temporais - grande parte da informação presente nas séries é função da estrutura de autocorrelação que advém das especificidades de cada mercado. Com base nisso, nesta tese foi desenvolvida uma nova técnica de estimação de contágio de risco, que não necessita intervenções adicionais, tendo em vista a identificação prévia de potenciais fatos estilizados em diferentes economias, utilizando as séries filtradas de variância condicional, tal que a partir destas séries filtradas é calculada uma correlação com horizonte móvel de observações entre choques (picos de risco) de curto prazo livres de possíveis reações causadas por idiossincrasias de cada mercado. Posteriormente, com base na identificação dos episódios ligados à Crise do Subprime de 2007/2008 nos Estados Unidos e seu respectivo contágio para a economia brasileira, filtrou-se a variância condicional dos ativos brasileiros (que é uma medida de incerteza), objetivando-se eliminar os eventos de contágio e, consequentemente, foi feita uma projeção contrafactual da evolução da economia, caso os episódios da crise não tivessem ocorrido. Com base nestes dados e com uma análise da tendência evolutiva da economia brasileira no período anterior à crise, constatou-se que 70% da crise econômica vivenciada no Brasil no período pós-2008 é decorrente de falhas na condução da política macroeconômica e somente 30% decorre dos efeitos do cenário externo na economia.

Orientadores: Milton Dias Junior e Vicente Lopes Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-10T04:58:56Z (GMT). No. of bitstreams: 1 Silva_Samuelda_D.pdf: 9025537 bytes, checksum: ac86884d08ba00adbf77aeac335e7acc (MD5) Previous issue date: 2008 / Resumo: A contribuição deste trabalho foi desenvolver uma metodologia para detecção e localização de danos considerando apenas respostas de deslocamento ou aceleração e medidas obtidas por atuadores e sensores piezelétricos (PZTs) distribuídos e colados em estruturas flexíveis. Modelos de filtros discretos do tipo auto-regressivos, como AR-ARX, ARMA e ARMAX, são usados para extrair um indicador de danos a partir dos erros de predição linear destes filtros. Investiga-se também o uso de séries discretas de Wiener/Volterra escritas com filtros de Kautz para obtenção de erros de predição não-lineares. Para classificar os erros de predição (lineares ou não-lineares) nas classes ¿sem dano¿ ou ¿com dano¿ comparou-se o uso de ferramentas não-supervisionadas de classificação de padrões estatísticos, como agrupamento fuzzy e controle estatístico de processos. Testes numéricos e experimentais foram realizados e os resultados alcançados com a metodologia desenvolvida apresentaram vantagens em relação aos métodos convencionais que são discutidas no decorrer do trabalho / Abstract: This work proposes a novel approach to detect and locate incipient damage in structures by using only acceleration responses and coupled piezoelectric actuators and sensors. Though the major focus in smart damage detection is given by on the monitoring of the electrical impedance in the frequency domain, the current contribution applies a novel technique based on time series analysis. Regressive models, such as AR-ARX, ARMA and ARMAX, are employed to extract a feature index using the linear prediction errors. The use of nonlinear prediction by using discrete-time Wiener/Volterra models expanded by Kautz filter is also investigated. In order to decide correctly whether damage exists or not, a set of unsurpervised statistical pattern recognition techniques, namely the fuzzy clustering and the statistical process control, are implemented. Several numerical and experimental tests are performed to illustrate and compare the methodology developed with classical approaches. The efficacy of the approach is demonstrated through these tests / Doutorado / Mecanica dos Sólidos e Projeto Mecanico / Doutor em Engenharia Mecânica

A caracterização de não linearidades em aeronaves é fundamental para a solução de problemas aeroelásticos, onde uma relação ótima entre desempenho e segurança é desejável. Sistemas aeroelásticos são inerentemente não lineares. Não linearidades podem ser admitidas no projeto, ou podem surgir a qualquer momento durante a vida útil da aeronave, afetando significativamente a resposta prevista por meios clássicos de análise linear, de forma que instabilidades catastróficas podem ocorrer antes dos limites de operação. Portanto, torna-se importante caracterizar, identificar e incluir tais efeitos não lineares no projeto e desenvolvimento de aeronaves. Neste trabalho, através da utilização de técnicas de análise de séries temporais não lineares e identificação, a não linearidade associada à folga, muito comum em superfícies de comando, é caracterizada de forma a permitir sua detecção em sinais aeroelásticos e inclusão de seus efeitos em modelos. Um modelo matemático de seção típica com folga na superfície de comando é implementado e utilizado para gerar uma base de dados confiável para testar a capacidade dos métodos de análise de séries temporais não lineares. As técnicas são aplicadas também em dados experimentais de uma asa a altos ângulos de ataque, sem um modelo matemático definido, para testar a capacidade de caracterização de comportamentos não lineares. Através de técnicas como reconstrução de espaço de estados, seções de Poincaré e determinação de invariantes, como os maiores expoentes de Lyapunov, os comportamentos e transições são classificados. Finalmente, as técnicas são aplicadas em dados experimentais de seções típicas com dois e três graus de liberdade, com folga no movimentos de torção e na superfície de comando, respectivamente. Os resultados mostram que uma folga pode gerar comportamentos similares aos apresentados por sistemas com não linearidade cúbica hardening em condições periódicas. No entanto, o comportamento subcrítico provocado pela folga, bem como a ocorrência de comportamento não linear mais complexo são características que diferenciam essas não linearidades. Em experimento com três graus de liberdade, a folga é localizada e caracterizada na superfície de comando através das técnicas propostas. Um modelo baseado em uma função aproximante para a folga é utilizado para identificar a resposta experimental e incluir a não linearidade no modelo matemático. Os resultados mostram que o modelo identificado é capaz de reproduzir a maior parte da dinâmica apresentada no experimento. / Characterization of nonlinearities in aircraft is critical to the solution of aeroelastic problems where an optimal relation between performance and safety is desirable. Aeroelastic systems are inherently nonlinear. Nonlinearities can be admitted in the project, or may arise at any time during the life of the aircraft, significantly affecting the predicted response by conventional methods of linear analysis and reducing the limits for catastrophic instabilities. Therefore, it is important to characterize, identify and include such non-linear effects to the design and development of aircraft. In this work, through nonlinear time series analysis and identification techniques, the freeplay nonlinearity, very common in control surfaces, is characterized to permit its detection in aeroelastic signals, and the inclusion of its effects in numerical models. A mathematical model of typical section with control surface freeplay nonlinearity is implemented and used to generate a reliable database to test the ability of nonlinear time series analysis methods. The techniques are also applied to experimental data of a wing at high angles of attack, without a prescribed mathematical model, to test the ability of characterizing non-linear behavior. Through techniques such as state space reconstruction, Poincaré sections and determination of system\'s invariants, as the largest Lyapunov exponents, non-linear behavior and transitions are classified. Finally, the techniques are applied to experimental data of typical sections with two and three degrees of freedom with freeplay in the torsional spring and in the control surface hinge, respectively. The results show that the freeplay may generate similar behavior to those presented by non-linear systems with cubic hardening nonlinearity under periodic conditions. However, the subcritical behavior caused by freeplay, and the occurrence of complex nonlinear behavior are features that distinguish these nonlinearities. In an experiment with three degrees of freedom, the freeplay is located in the control surface hinge and characterized by the presented techniques. A model based on an approximating function for the freeplay is used to identify the experimental response and include the nonlinearity in the mathematical model. It is shown that the identified model can reproduce the major part of the non-linear dynamics shown in the experiment.

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.