Global ETD Search

31	Modelo matemático para estudo da variabilidade da frequência cardíaca Evaristo, Ronaldo Mendes 08 December 2017 (has links) Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2018-02-08T13:10:32Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Ronaldo Mendes Evaristo.pdf: 2297085 bytes, checksum: 293f7e08aca7690caa0d317480f9e18e (MD5) / Made available in DSpace on 2018-02-08T13:10:32Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Ronaldo Mendes Evaristo.pdf: 2297085 bytes, checksum: 293f7e08aca7690caa0d317480f9e18e (MD5) Previous issue date: 2017-12-08 / Nos ultimos anos, o aumento da incidência de doenças cardiovasculares na população mundial vem motivando a comunidade científica a buscar novas técnicas ou inovações tecnológicas para complementar os métodos existentes para avaliação do desempenho do coração. Dentre elas, destaca-se a análise da Variabilidade da Frequência Cardíarca (VFC) via eletrocardiograma (ECG), método não invasivo importante na detecção de patologias leves e moderadas cada vez mais frequentes nos seres humanos como doenças coronarianas, arritmias, bradicardias e taquicardias, além de distúrbios na relação entre os sistemas nervosos simpático e parassimpático. Neste trabalho é introduzida uma inovação em um modelo matemático baseado em modulações de exponenciais gaussianas utilizado para reproduzir a morfologia do ECG de seres humanos. Trata-se da introdução de tacogramas gerados por um processo estocástico autorregressivo (AR), previamente à integração das equações diferenciais do modelo, capaz de reproduzir com maior fidelidade a VFC quando comparados com dados experimentais de adultos saudaveis e de adultos com doença arterial coronariana (DAC). Para validar o modelo, os resultados simulados são comparados com dados experimentais via espectro de potencia da transformada wavelet discreta (TWD), gráficos de Poincare e pela analise de flutuação sem tendência. Verificamos que a DAC não altera a morfologia do ECG em situação de repouso, mas influencia significativamente na VFC, sendo que o modelo matemático proposto absorve e reproduz esse comportamento. / In recent years, the increase in the incidence of cardiovascular diseases in the world population has motivated the scientific community to seek new techniques or technological innovations to complement existing methods for assessing heart performance. Among them, stands out the analysis of the Heart Rate Variability (HRV) by electrocardiogram (ECG), an important non-invasive method for the detection of mild and moderate pathologies that are increasingly frequent in humans such as coronary diseases, arrhythmias, bradycardia and tachycardias, besides disturbances in the relationship between the sympathetic and parasympathetic nervous systems. This work introduces an innovation in a mathematical model based on Gaussian exponential modulations used to reproduce the ECG morphology of humans. This is the introduction of tachograms generated by an autoregressive stochastic process (AR), prior to the integration of the diferential equations of the model, capable of reproducing with better delity the HRV when compared with experimental data of healthy adults and adults with coronary artery disease (CAD). In order to validate the model, the simulated results are compared with experimental data using the discrete wavelet transform (DWT) power spectrum, Poincare plots and the detrended uctuation analysis (DFA). We verified that CAD does not change the morphology of ECG in resting state, but it has a significant in uence on HRV, and the proposed mathematical model absorbs and reproduces this behavior. CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Coração Variabilidade da frequencia cardiáca Processos autorregressivos Doença arterial coronariana TransformadaWavelet discreta Gráficos de Poincaré Análise de Flutuação sem Tendência Heart Heart Rate Variability Autoregressive process Coronary rtery Disease Discrete Wavelet Transform Poincaré Plots Detrended fluctuation Analysis
32	O estudo das propriedades multifractais de séries temporais financeiras. / The study of multifractal properties of financial time series. Eder Lucio da Fonseca 01 March 2012 (has links) Séries temporais financeiras, como índices de mercado e preços de ativos, são produzidas por interações complexas dos agentes que participam do mercado. As propriedades fractais e multifractais destas séries fornecem evidências para detectar com antecedência a ocorrência de movimentos bruscos de mercado (crashes). Tais evidências são obtidas ao aplicar o conceito de Calor Específico Análogo C(q), proveniente da equivalência entre a Multifractalidade e Termodinâmica. Na proximidade de um crash, C(q) apresenta um ombro anômalo à direita de sua curva, enquanto que na ausência de um crash, possui o formato parecido com uma distribuição gaussiana. Com base neste comportamento, o presente trabalho propõe um novo indicador temporal IA(i), definido como a taxa de variação da área sob a curva de C(q). O indicador foi construído por intermédio de uma janela temporal de tamanho s que se movimenta ao longo da série, simulando a entrada de dados na série ao longo do tempo. A análise de IA(i) permite detectar com antecedência a ocorrência de grandes movimentos, como os famosos crashes de 1929 e 1987 para os índices Dow Jones, S&P500 e Nasdaq. Além disso, a análise simultânea de medidas como a Energia Livre, a Dimensão Multifractal e o Espectro Multifractal, sugerem que um crash de mercado se assemelha a uma transição de fase. A robustez do método para diferentes ativos e diferentes períodos de tempo, demonstra a importância dos resultados. Além disso, modelos estatísticos não lineares para a volatilidade foram empregados no trabalho para estudar grandes flutuações causadas por crashes e crises financeiras ao longo do tempo. / Financial time series such as market index and asset prices, are produced by complex interactions of agents that trade in the market. The fractal and multifractal properties of these series provides evidence for early detection of the occurrence of sudden market movements (crashes). This evidence is obtained by applying the concept of Analog Specific Heat C(q), from the equivalence between the Multifractal Analysis and Thermodynamics. In the vicinity of a crash, C(q) exhibits a shoulder at the right side of its curve, while in the absence of a crash, C(q) presents a form similar to a Gaussian distribution curve. Based on this behavior, it is proposed in this work a new temporal indicator IA(i) defined here as the area variation rate over the Specific Heat function. We have constructed the mentioned indicator from a window of data with the first points (size s), that moves throughout the series, simulating the actual input of data over time. The indicator IA(i) allows one detecting in advance the occurrence of large financial market movements, such as those occurred in 1929 and 1987 for the marked indexes Dow Jones, Nasdaq and S&P500. Moreover, the simultaneous analysis of measures such as the Free Energy, Multifractal Dimension and Multifractal Spectrum suggest that a market crash resembles a phase transition. The robustness of the method for others assets and different periods of time demonstrates the importance of the results. Moreover, nonlinear statistical models for volatility have been employed in the work to study large fluctuations caused by crashes and financial crises over time. Análise R/S de Hurst Detrended Fluctuation Analysis Indicador de Crash Multifractalidade Séries Temporais Financeiras Sliding Observation Box Termodinâmica Crash Index Detrendend Fluctuation Analysis Financial Time Series Multifractality R/S Hurst Analysis Sliding Observation Box. Thermodynamics
33	An?lise de agrupamentos dos dados de DFA oriundos de perfis el?tricos de indu??o de po?os de petr?leo / Clustering analysis of the data of DFA profiles of eletric induction in oil wells Mata, Maria das Vit?rias Medeiros da 24 July 2009 (has links) Made available in DSpace on 2014-12-17T14:08:35Z (GMT). No. of bitstreams: 1 MariaVMMpdf.pdf: 1276052 bytes, checksum: 2a1c6384ed87c24c3ab5a2346947a35d (MD5) Previous issue date: 2009-07-24 / The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysis / O principal objetivo do presente trabalho foi aplicar m?todos recentemente desenvolvidos em f?sica-estat?stica ?s s?ries temporais, em especial a dados de perfis el?tricos de indu??o de 54 po?os de petr?leo localizados no Campo de Namorado Bacia de Campos - RJ, para estudar a similaridade petrof?sica dos po?os numa distribui??o espacial. Para isto, utilizamos o m?todo do DFA com o intuito de saber se podemos, ou n?o, utilizar esta t?cnica para caracterizar espacialmente o campo. Depois de obtidos os valores de DFA para todos os po?os, fizemos uma an?lise de agrupamento com rela??o a estas caracter?sticas; para tanto, utilizamos o m?todo de agrupamento n?o-hier?rquico chamado m?todo K-m?dia. Geralmente baseado na dist?ncia euclidiana, o K-m?dia consiste em dividir os elementos de uma matriz n de dados em k grupos bem definidos, de maneira que as semelhan?as existentes entre elementos pertencentes a grupos distintos sejam as menores poss?veis. Com o objetivo de verificar se um conjunto de dados gerados pelo m?todo do K-m?dia ou gerado aleatoriamente forma padr?es espaciais, criamos o par?metro Ω (?ndice de vizinhan?a). Altos valores de Ω implicam em dados mais agregados e baixos valores de Ω em dados dispersos ou sem correla??o espacial. Com aux?lio do m?todo de Monte Carlo observamos que dados agrupados aleatoriamente apresentam uma distribui??o de Ω inferior ao valor emp?rico. Desta forma conclu?mos que os dados de DFA obtidos nos 54 po?os est?o agrupados e podem ser usados na caracteriza??o espacial de campos. Ao cruzar os dados das curvas de n?vel com os resultados obtidos pelo K-m?dia, confirmamos a efici?ncia do mesmo para correlacionar po?os em distribui??o espacial An?lise de flutua??o sem tend?ncias An?lise de agrupamentos Km?dia Po?os de petr?leo ?ndice de vizinhan?a Detrended fluctuation analysis Clustering analysis K-means Oil fields Index of neighborhood
34	Contribution à la théorie des ondelettes : application à la turbulence des plasmas de bord de Tokamak et à la mesure dimensionnelle de cibles / Contribution to the wavelet theory : Application to edge plasma turbulence in tokamaks and to dimensional measurement of targets Scipioni, Angel 19 November 2010 (has links) La nécessaire représentation en échelle du monde nous amène à expliquer pourquoi la théorie des ondelettes en constitue le formalisme le mieux adapté. Ses performances sont comparées à d'autres outils : la méthode des étendues normalisées (R/S) et la méthode par décomposition empirique modale (EMD).La grande diversité des bases analysantes de la théorie des ondelettes nous conduit à proposer une approche à caractère morphologique de l'analyse. L'exposé est organisé en trois parties.Le premier chapitre est dédié aux éléments constitutifs de la théorie des ondelettes. Un lien surprenant est établi entre la notion de récurrence et l'analyse en échelle (polynômes de Daubechies) via le triangle de Pascal. Une expression analytique générale des coefficients des filtres de Daubechies à partir des racines des polynômes est ensuite proposée.Le deuxième chapitre constitue le premier domaine d'application. Il concerne les plasmas de bord des réacteurs de fusion de type tokamak. Nous exposons comment, pour la première fois sur des signaux expérimentaux, le coefficient de Hurst a pu être mesuré à partir d'un estimateur des moindres carrés à ondelettes. Nous détaillons ensuite, à partir de processus de type mouvement brownien fractionnaire (fBm), la manière dont nous avons établi un modèle (de synthèse) original reproduisant parfaitement la statistique mixte fBm et fGn qui caractérise un plasma de bord. Enfin, nous explicitons les raisons nous ayant amené à constater l'absence de lien existant entre des valeurs élevées du coefficient d'Hurst et de supposées longues corrélations.Le troisième chapitre est relatif au second domaine d'application. Il a été l'occasion de mettre en évidence comment le bien-fondé d'une approche morphologique couplée à une analyse en échelle nous ont permis d'extraire l'information relative à la taille, dans un écho rétrodiffusé d'une cible immergée et insonifiée par une onde ultrasonore / The necessary scale-based representation of the world leads us to explain why the wavelet theory is the best suited formalism. Its performances are compared to other tools: R/S analysis and empirical modal decomposition method (EMD). The great diversity of analyzing bases of wavelet theory leads us to propose a morphological approach of the analysis. The study is organized into three parts. The first chapter is dedicated to the constituent elements of wavelet theory. Then we will show the surprising link existing between recurrence concept and scale analysis (Daubechies polynomials) by using Pascal's triangle. A general analytical expression of Daubechies' filter coefficients is then proposed from the polynomial roots. The second chapter is the first application domain. It involves edge plasmas of tokamak fusion reactors. We will describe how, for the first time on experimental signals, the Hurst coefficient has been measured by a wavelet-based estimator. We will detail from fbm-like processes (fractional Brownian motion), how we have established an original model perfectly reproducing fBm and fGn joint statistics that characterizes magnetized plasmas. Finally, we will point out the reasons that show the lack of link between high values of the Hurst coefficient and possible long correlations. The third chapter is dedicated to the second application domain which is relative to the backscattered echo analysis of an immersed target insonified by an ultrasonic plane wave. We will explain how a morphological approach associated to a scale analysis can extract the diameter information Ondelettes Principe d'incertitude de Heisenberg Pavage temps-Fréquence Moments Régularité Support compact Fonction d'échelle Fonction d'ondelette Approximations Détails Résolution Filtre QMF Coefficients de Daubechies Analyse Reconstruction Précurseur Algorithme de Mallat Convolution Décimation Symétrisation Orthogonalisation Gram Schmidt Filtres frontières Complexité Décomposition modale empirique Méthode R/S Analyse des fluctuations redressées Fractal Auto-Similarité Plasma Bruit Gaussien fractionnaire Mouvement Brownien fractionnaire Ultrason Wavelets Heisenberg uncertainty principle Time-Frequency tiles Vanishing moments Regularity Compact support Scaling function Wavelet function Approximations Details Resolution QMF filters Daubechies coefficients Analysis Reconstruction Precursor Mallat algorithm Convolution Decimation Mirroring Orthogonalization Gram Schmidt Boundary filters Complexity Empirical Modal Decomposition R/S method Detrended fluctuations Analysis Fractal Self-Similarity Plasma Fractional Gaussian noise Fractional Brownian motion Ultrasound 530.44 515.243 3

Page generated in 0.058 seconds