[pt] Esta tese apresenta uma nova classe de modelos não
lineares inspirada no modelo ARN, apresentado por Mellem,
1997. Os modelos definidos nesta classe são aditivos com
coeficientes variáveis modelados por redes neurais e,
tanto a média quanto a variância condicionais, são
modeladas explicitamente. Neste trabalho podem ser
identificadas quatro partes principais: um estudo sobre os
modelos mais comuns encontrados na literatura de séries
temporais; um estudo sobre redes neurais, focalizando a
rede backpropagation; a definição do modelo proposto e os
métodos utilizados na estimação dos parâmetros e o estudo
de casos. Modelos aditivos têm sido escolha preferencial
na modelagem não linear: paramétrica ou não paramétrica,
de média ou de variância condicional. Além disso, tanto a
idéia de modelos de coeficientes variáveis quanto a de
modelos híbridos. que reúnem paradigmas diferentes, não é
novidade. Por esta razão, foi traçado um panorama dos
modelos não lineares mais encontrados na literatura de
séries temporais, focalizando-se naqueles que tinham
relacionamento mais estreito com a classe de modelos
proposta neste trabalho. No estudo sobre redes neurais,
além da apresentação de seus conceitos básicos, analisou-
se a rede backpropagation, ponto de partida para a
modelagem dos coeficientes variáveis. Esta escolha deveu-
se à constatação da predominância e constância no uso
desta rede, ou de suas variantes, nos estudos e aplicações
em séries temporais. Demonstrou-se que os modelos
propostos são aproximadores universais e podem ser
utilizados para modelar a variância condicional de uma
série temporal. Foram desenvolvidos algoritmos, a partir
dos métodos de mínimos quadrados e de máxima
verossimilhança, para a estimação dos pesos, através da
adaptação do algoritmo de backpropagation à esta nova
classe de modelos. Embora tenham sido sugeridos outros
algoritmos de otimização, este mostrou-se suficientemente
apropriado para os casos testados neste trabalho. O estudo
de casos foi dividido em duas partes: testes com séries
sintéticas e testes com séries reais. Estas últimas,
normalmente, utilizadas como benchmarking por analistas de
séries temporais não lineares. Para auxiliar na
identificação das variáveis do modelo, foram utilizadas
regressões de lag não paramétricas. Os resultados obtidos
foram comparados com outras modelagens e foram superiores
ou, no mínimo, equivalentes. Além disso, é mostrado que o
modelo híbrido proposto engloba vários destes outros
modelos. / [en] A class of nonlinear additive varyng coefficient models is
introduced in this thesis, inspired by ARN model,
presented by Mellem, 1997. the coefficients are explicitly
modelled. This work is divided in four major parts: a
study of most common models in the time series literature;
a study of neural networks, focused in backpropagation
network; the presentation of the proposed models and the
methods used for parameter estimation: and the case
studies.
Additive models has been the preferencial choice in
nonlinear modelling: idea of varyng coefficient and of
hybrid models, aren`t news. Hence, the models in the time
series literature were analysed, assentialy those closely
related with the class of models proposed in this work.
Sinse the predominance and constancy in the use of
backpropagation network, or its variants, in time series
studies and applications, was confirmed by this work, this
network was analyzed with more details.
This work demonstrated that the proposed models are
universal aproximators and could model explicity
conditional variance. Moreover, gradient calculus and
algorithms for the weight estimation were developed based
on the main estimation methods: least mean squares and
maximum likelihood. Even though other gradient calculus
and otimization algorithms have been sugested, this one
was sufficiently adequate for the studied cases.
The case studies were divided in two parts: tests with
synthetic series and for the nonlinear time series
analysts.
The obtained results were compared with other models and
were superior or, at least, equivalent. Also, these
results confirmed that the proposed hybrid model encompass
several of the others models
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8103 |
| Date | 07 April 2006 |
| Creators | MARIA LUIZA FERNANDES VELLOSO |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO, CRISTIANO AUGUSTO COELHO FERNANDES, MARCO AURÉLIO CAVALCANTI PACHECO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0022 seconds