Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-09-06T18:59:08Z
No. of bitstreams: 1
TeseFJJS.pdf: 3277696 bytes, checksum: 0a34a4499fb5e482fa95ea8925603968 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T14:12:50Z (GMT) No. of bitstreams: 1
TeseFJJS.pdf: 3277696 bytes, checksum: 0a34a4499fb5e482fa95ea8925603968 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T14:13:02Z (GMT) No. of bitstreams: 1
TeseFJJS.pdf: 3277696 bytes, checksum: 0a34a4499fb5e482fa95ea8925603968 (MD5) / Made available in DSpace on 2016-09-12T14:13:13Z (GMT). No. of bitstreams: 1
TeseFJJS.pdf: 3277696 bytes, checksum: 0a34a4499fb5e482fa95ea8925603968 (MD5)
Previous issue date: 2015-04-30 / Não recebi financiamento / The good results obtained by the fuzzy approaches applied in the analysis of time series
(TS) has contributed significantly to the growth of the area. Although there are satisfactory
results in TS analysis with methods that use the classic concepts of TS and with the recent
concepts of fuzzy time series (FTS), there is a lack of models combining both areas. Face
of this context, the contributions of this thesis are associated with the development of models
for TS analysis combining the concepts of FTS with statistical methods aiming at the
improvement in accuracy of forecasts and in identification of behavioral changes in the TS.
In order to allow a suitable fuzzy representation of crisp values observed, the approaches
developed in this thesis were combined with a new proposal for pre-processing of the data.
The prediction value is calculated from a new smoothing technique combined with an extension
of the fuzzy logic relationships. This combination allow to be considered in value
computed different degrees of influence to the most recent behavior and to the oldest behavior
of the series. In situations where the model does not have the necessary knowledge
to calculate the predicted value, the concepts of simple linear regression are combined with
the concepts of the FTS to identify the most recent trend in the TS. The approach developed
for the behavioral analysis of the TS aims to identify changes in behavior from the
definition of prototypes that represent the groups of the TS and from the segmentation of
the series that will be analyzed. In this new approach, the dissimilarity between a segment
of a TS and the corresponding interval of a given prototype is defined by metric Fuzzy
Dynamic Time Warping weighted by a new smoothing technique applied to the distance
matrix between the observed data. The accuracy obtained by the forecast model not only
demonstrates the effectiveness of the developed approach, but also shows the evolution
of model throughout the research and the importance of preprocessing in the forecast. The
analysis of segmented TS identifies satisfactorily the behavioral changes of the series by
calculating the membership functions of these segments in the respective groups represented
by the prototypes. / Os bons resultados obtidos pelas abordagens fuzzy utilizadas para a análise de séries
temporais (ST) tem contribuído significativamente para o crescimento da área. Embora
haja resultados satisfatórios na análise de ST com métodos que utilizam os conceitos clássicos
de ST e também com os conceitos recentes de séries temporais fuzzy (STF), há uma
carência de modelos que combinem ambas as áreas. Diante deste contexto, as contribuições
deste trabalho estão associadas ao desenvolvimento de modelos para a análise de
ST combinando os conceitos de STF e métodos estatísticos visando a melhora na acurácia
das previsões e a identificação de alterações comportamentais nas séries. Com o objetivo
de permitir uma melhor representação fuzzy dos valores crisp observados, as abordagens
desenvolvidas nesta tese foram associadas a uma nova proposta de pré-processamento
dos dados. A previsão de valores é calculada a partir de uma nova técnica de suavização
combinada a uma extensão das relações lógicas fuzzy. Essa combinação permite que
sejam considerados no cálculo do valor previsto diferentes graus de influência para o comportamento
mais recente e para o comportamento mais antigo da série. Em ocasiões onde
o modelo não dispõe do conhecimento necessário para o cálculo do valor previsto, os
conceitos de regressão linear simples são associados aos conceitos das STF para identificar
a tendência mais recente da ST. A abordagem desenvolvida para a análise comportamental
das séries tem como objetivo identificar mudanças no comportamento a partir da
definição de protótipos que representam um grupo de ST e da segmentação das séries a
serem analisadas. Nesta nova abordagem, a dissimilaridade entre um segmento de uma
ST e o intervalo correspondente de um determinado protótipo é definida por meio da métrica
Dynamic Time Warping (DTW) Fuzzy, ponderada por uma nova técnica de suavização
aplicada à matriz de distâncias entre os dados observados. A acurácia obtida pelo
modelo de previsão não só comprova a eficácia da abordagem desenvolvida, como também
demonstra a evolução do modelo ao longo da pesquisa e a importância do pré-processamento
nas previsões. A análise das ST segmentadas identifica satisfatoriamente as
alterações comportamentais das séries por meio do cálculo da pertinência dos segmentos
nos respectivos grupos representados pelos protótipos.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufscar.br:ufscar/7062 |
| Date | 30 April 2015 |
| Creators | Santos, Fábio José Justo dos |
| Contributors | Camargo, Heloisa de Arruda |
| Publisher | Universidade Federal de São Carlos, Câmpus São Carlos, Programa de Pós-graduação em Ciência da Computação, UFSCar |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFSCAR, instname:Universidade Federal de São Carlos, instacron:UFSCAR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.4246 seconds