Página 1 dos resultados de 196 itens digitais encontrados em 0.028 segundos

‣ Aplicação de redes neurais artificiais na análise de séries temporais econômico-financeiras; Artificial neural networks application in financial-economic time series analysis

Oliveira, Mauri Aparecido de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 07/12/2007 Português
Relevância na Pesquisa
170.82322%
Diversas metodologias são empregadas para realizar a análise de séries temporais, dentre as quais destaca-se o uso das redes neurais artificiais (RNA). Neste trabalho são utilizados quatro métodos para realizar previsão de séries temporais univariadas: os modelos ARIMAGARCH, RNA feedforward, RNA treinada com filtro de Kalman estendido (EKF) e RNA treinada com o filtro de Kalman unscented (UKF). Sendo que o uso de RNA-UKF é um avanço recente na área de sistemas de inteligência computacional. O uso de redes neurais treinadas com filtro de Kalman é uma metodologia que tem trazido bons resultados em uma ampla variedade de aplicações nas áreas comercial, militar e científica. Em 2002 aproximadamente 250 bilhões de dólares eram gerenciados em fundos de investimentos por modelos quantitativos (tais como lógica fuzzy, redes neurais, algoritmos genéticos, fractais e modelos de Markov). Desde 2006 estima-se que três em cada dez destes fundos utilizem estes modelos quantitativos. A capacidade das RNA em lidar com não linearidades é uma vantagem normalmente destacada quando são realizadas previsões de séries temporais. São apresentadas simulações de Monte Carlo que mostram a influência dos parâmetros dos modelos ARIMA-GARCH na predição de redes neurais artificiais do tipo feedforward...

‣ Previsão do consumo de energia elétrica por setores através do modelo SARMAX; Forecasting electric energy consumption by sectors with SARMAX model

Moura, Fernando Alves de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 25/11/2011 Português
Relevância na Pesquisa
130.57129%
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...

‣ Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros; Fractals and artificial neural networks applied to return forecasting of Brazilian financial assets

Mendonça Neto, João Nunes de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 13/08/2014 Português
Relevância na Pesquisa
111.21069%
Este estudo tem como problema de pesquisa a previsão de retorno de ativos financeiros. Buscou verificar a existência de relação entre memória ou dependência de longo prazo em séries temporais fractais e erro de previsão de retornos de ativos financeiros obtida por meio de Redes Neurais Artificiais (RNA). Espera-se que séries temporais fractais com maior memória de longo prazo permitam obter previsões com menor nível de erro, na medida em que a correlação entre os elementos da série favoreça a qualidade de previsão de RNA. Como medida de memória de longo prazo, foi calculado o expoente de Hurst de cada série temporal, o qual sofreu uma transformação para atuar como um índice de previsibilidade. Para medir o erro de previsão, foi utilizada a Raiz do Erro Quadrado Médio (REQM) produzida pela RNA em cada série temporal. O cálculo do expoente de Hurst foi realizado por meio do algoritmo da análise Rescaled Range (R/S). A arquitetura de RNA utilizada foi a de Rede Neural com Atraso Alimentada Adiante (TLFN), tendo como processo de aprendizagem supervisionada o modelo de retropropagação com gradiente descendente para minimização do erro. A amostra foi composta por ativos financeiros brasileiros negociados na Bolsa de Valores...

‣ Previsão da inflação no Boletim Focus: uma avaliação

Rocha, Marcus Vinicius
Fonte: Fundação Getúlio Vargas Publicador: Fundação Getúlio Vargas
Tipo: Dissertação
Português
Relevância na Pesquisa
110.77608%
Este trabalho investiga e analisa as diferenças das taxas anuais de inflação realizadas com relação às previsões dos agentes econômicos do mercado para um ano à frente. Os índices analisados foram o IPCA, IPA-M, IGP-M e o IGP-DI. Referente à previsão dos agentes para cada índice, foi feito uma análise estatística e uma análise de séries temporais através do modelo ARIMA. Este último explicou o erro de previsão dos agentes econômicos através de valores passados, ou defasados, do próprio erro de previsão, além dos termos estocásticos.; This work investigates and analyzes the differences between inflation’s annual rates and the forecasts by economic agents, for a year ahead. The inflation index examined, were the IPCA, IPA-M, IGP-M and IGP-DI. For each agents preview, for each index, we performed a statistical analysis and time series analysis, by ARIMA model. Through this model we understood the forecast errors of economic agents by the past values of forecast errors in the past, besides the stochastic terms.

‣ Previsão de séries temporais financeiras por meio de redes neurais dinâmicas e processos de transformação de dados: uma abordagem empírico-comparativa

Costa, Alexandre Fructuoso da
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 94 f. : il
Português
Relevância na Pesquisa
110.61036%
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Pós-graduação em Engenharia de Produção - FEB; 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...

‣ Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas

Rosangela Ballini
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 29/09/2000 Português
Relevância na Pesquisa
131.31044%
Análise e previsão de vazões são de fundamental importância no planejamento da operação de sistemas de recursos hídricos. Uma das grandes dificuldades na previsão das séries de vazões é a presença da sazonalidade devido aos períodos de cheia e seca do ano. Os modelos estocásticos foram, por um longo tempo, a alternativa mais comum aos modelos determinísticos ou hidrológicos na análise e previsão de vazões, baseados principalmente na metodologia de Box & Jenkins. Esta metodologia exige algum tipo de manuseio nos dados para tratar a não-estacionariedade ou o uso de modelos periódicos, necessitando de uma laboriosa formulação teórica para os procedimentos estatísticos. Redes neurais artificiais, especialmente redes multi-camadas com algoritmo back-propagation vêm sendo sugeridas para análise de séries temporais devido a sua capacidade para tratar com relações não-lineares.de entrada-saída, destacando sua habilidade de aprendizado e capacidade de generalização, associação e busca paralela. Estas qualidades as tornam capazes de identificar e assimilar as características mais marcantes das séries, tais como sazonalidade, periodicidade, tendência, entre outras, muitas vezes camufladas por ruídos. A capacidade de mapeamentos complexos das redes neurais cresce com o número de camadas e neurônios...

‣ Predição não-linear de series temporais usando redes neurais RBF por decomposição em componentes principais

Maria Cristina Felippetto de Castro
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 09/03/2001 Português
Relevância na Pesquisa
129.95566%
Esta tese apresenta uma nova técnica de predição não-linear de séries temporais através de redes neurais artificiais do tipo Radial Basis Function, com atribuição dos centros Gaussianos das funções de base radial por decomposição do espaço de dados em sub-espaços. A decomposição em sub-espaços - ou decomposição em componentes principais - é baseada na Transformada Karhunen-Loeve. A predição obtida através da parametrização da rede neural via decomposição em sub-espaços resulta em um menor erro de predição e requer o conhecimento de um menor número de amostras prévias do que as técnicas de predição convencionais. Adicionalmente é apresentada uma possível solução para o problema de adaptar dinamicamente a arquitetura da rede neural às não­estacionariedades presentes em muitas séries temporais; This thesis proposes a new technique for non-linear time series forecasting based upon Radial Basis Function Neural Networks and the Karhunen-Loeve Transform. A significant performance improvement is obtained with the novel technique in comparison with usual prediction methods. By obtaining the neural network centers from the data set sub-spaces - or data set principal components - the new method yields lower prediction error and requires less previous known samples than the usual technique that applies the own training set vectors to the centers. Additionally we present a possible solution to the problem of dynamically adapting the neural network architecture to the time-varying series statistics

‣ Analises de series temporais e modelagem baseada em regras nebulosas; Time series analysis and modeling based on fuzzy rules the school of eletrical and computer engineering

Ivette R. Luna Huamani
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 05/10/2007 Português
Relevância na Pesquisa
120.53445%
Este trabalho propõe uma metodologia baseada em regras nebulosas para a modelagem e previsão de séries temporais. Inicialmente, os dados são pré-processados para, a seguir, ocorrer a seleção de variáveis que serão utilizadas pelos modelos de série temporal. Para essa finalidade, nesta tese propõe-se um conjunto de aproximações necessárias para o cálculo do critério de informação mútua parcial, o qual é a base para o algoritmo de seleção de entradas utilizado. A próxima etapa corresponde à determinação da estrutura do modelo e ajuste dos parâmetros. Com o intuito de definir de forma automática a estrutura do modelo, de forma simultânea ao ajuste dos parâmetros, dois algoritmos de aprendizado construtivo - offiine e online são propostos. Ambos os algoritmos utilizam como base para o seu desenvolvimento o algoritmo da maximização da verossimilhança, assim como critérios de geração e punição (ou poda) de regras nebulosas. Finalmente, o modelo obtido é validado e aplicado .na previsão de um e vários passos à frente. Análises comparativas são apresentadas utilizando séries temporais sintéticas e de problemas reais. Os resultados mostram que as propostas deste trabalho são uma alternativa eficiente para a modelagem e previsão de séries temporais; This work presents a methodology for time series modeling and forecasting. First...

‣ Utilização de series temporais de imagens AVHRR/NOAA no apoio a estimativa operacional da produção da cana-de-açucar no Estado de São Paulo; Use of time series of AVHRR/NOAA in support of operational estimates of production of cane sugar in the State of São Paulo

Cristina Rodrigues Nascimento
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 11/02/2010 Português
Relevância na Pesquisa
130.77043%
O Brasil é líder mundial na fabricação, exportação de açúcar e na produção de álcool. O estado de São Paulo responde por 60% da produção de açúcar e 61% de todo o álcool produzido no país. Em função da alta relevância da produção, é importante que se tenham estimativas e levantamentos seguros das áreas cultivadas com a cultura. O avanço das diferentes técnicas de sensoriamento remoto tem permitido utilizar imagens de satélites para monitorar e auxiliar a estimativa dessas áreas. São inúmeras as opções, entre elas as imagens do sensor AVHRR/NOAA. Aliando a necessidade de obter estimativas mais precisas das safras de cana-de-açúcar, com o potencial de adquirir informações agrícolas da cultura através do NDVI, o presente trabalho explorou a análise de séries temporais das imagens NDVI/AVHRR, na identificação das áreas com cana-de-açúcar no Estado de São Paulo. A partir da identificação operacional, foram selecionados municípios com áreas expressivas a fim de testar a viabilidade do uso de um modelo fenológico-espectral, no fornecimento de informações objetivas que possam auxiliar os sistemas de previsão de safras. Os resultados apontam que as áreas com cana-de-açúcar foram bem modeladas...

‣ Uma aplicação de redes neurais artificiais na previsão do mercado acionario

Mueller, Alessandro
Fonte: Universidade Federal de Santa Catarina Publicador: Universidade Federal de Santa Catarina
Tipo: Dissertação de Mestrado Formato: xv, 103f.| il, tabs., grafs
Português
Relevância na Pesquisa
120.12504%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico; Métodos de previsão convencionais de séries temporais têm alcançado limitado sucesso na realização de prognósticos de séries econômicas. Este comportamento é devido à dificuldade desses modelos em manipular observações decorrentes de ambientes extremamente dinâmicos, como o mercado de ações. Redes neurais artificiais são, a princípio, capazes de tratar com o problema de instabilidade estrutural entre as observações de uma série temporal. Neste sentido, este trabalho procura investigar a habilidade dos modelos conexionistas em realizar previsões acuradas de séries de preços de ações. É proposta uma forma alternativa de antecipação do comportamento futuro dessas séries, através da identificação de regularidades no movimento da cotação das ações no mercado. Os resultados obtidos pela aplicação de técnicas de redes neurais artificiais são analisados empiricamente e confrontados com aqueles gerados pelos métodos previsão clássicos.

‣ Análise de séries temporais na operação de sistema de tratamento de águas residuárias de abatedouro de frango; Time series analysis on the operation of a poultry slaughterhouse wastewater treatment plant

Nardi, Ivana Ribeiro de; Lima, Almir Rogério de; Amorim, Ariuska Karla Barbosa; Nery, Valéria Del
Fonte: Associação Brasileira de Engenharia Sanitária e Ambiental - ABES Publicador: Associação Brasileira de Engenharia Sanitária e Ambiental - ABES
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
150.688125%
Esse trabalho apresenta a avaliação de dados de operação de sistema de tratamento de águas residuárias de abatedouro de frango, através da análise de séries temporais. O objetivo principal foi a obtenção de modelo de previsão capaz de antecipar o controle da operação do sistema de tratamento de águas residuárias do abatedouro, constituindo subsídio para obtenção de estratégias de gestão do sistema de tratamento existente. Registros de 42 meses de parâmetros de monitoramento foram utilizados na modelagem de séries temporais. O modelo de ajuste exponencial para previsão dos valores de demanda química de oxigênio do efluente industrial e do afluente dos reatores biológicos apresentou bom ajuste (erro percentual absoluto da média aritmética menor que 20%) com diferenças na capacidade de previsão menores que 15%. ______________________________________________________________________________________________________ ABSTRACT; This paper presents the evaluation of the operating data of the poultry slaughterhouse wastewater treatment plant, by means of time series analysis. It aimed at obtaining a forecasting model able to have the operation of the slaughterhouse wastewater treatment system under control, what leads to subsidy for acquiring the management strategies of the wastewater treatment system. Records of 42 months of the monitoring parameters were used in the time series modeling. The exponentially weighted moving average model for obtaining chemical oxygen demand values of the industrial effluent and the reactors influent stream showed proper adjustment (mean absolute percentage error values smaller than 20%)...

‣ Análise de séries temporais na operação de sistema de tratamento de águas residuárias de abatedouro de frango

Nardi,Ivana Ribeiro de; Lima,Almir Rogério de; Amorim,Ariuska Karla Barbosa; Del Nery,Valéria
Fonte: Associação Brasileira de Engenharia Sanitária e Ambiental - ABES Publicador: Associação Brasileira de Engenharia Sanitária e Ambiental - ABES
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/12/2005 Português
Relevância na Pesquisa
150.57874%
Esse trabalho apresenta a avaliação de dados de operação de sistema de tratamento de águas residuárias de abatedouro de frango, através da análise de séries temporais. O objetivo principal foi a obtenção de modelo de previsão capaz de antecipar o controle da operação do sistema de tratamento de águas residuárias do abatedouro, constituindo subsídio para obtenção de estratégias de gestão do sistema de tratamento existente. Registros de 42 meses de parâmetros de monitoramento foram utilizados na modelagem de séries temporais. O modelo de ajuste exponencial para previsão dos valores de demanda química de oxigênio do efluente industrial e do afluente dos reatores biológicos apresentou bom ajuste (erro percentual absoluto da média aritmética menor que 20%) com diferenças na capacidade de previsão menores que 15%.

‣ Modelos híbridos baseados em enxame de partículaspara previsão de séries temporais

Galvão Petry, Gustavo; Crispim Vasconcelos, Germano (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
110.87332%
Este trabalho investiga a otimização de Redes Neurais Artificiais (RNA) por métodos baseados em Enxame de Partículas (PSO) para a resolução do problema de previsão de séries temporais. O PSO, apesar de ser uma técnica linear, quando hibridizado com uma técnica não linear, como as redes neurais artificiais, formam um sistema híbrido inteligente (SHI) com um poderoso mecanismo de busca global(exploração) e local (explotação) capaz de capturar as características não lineares presentes em problemas complexos do mundo real. O problema de previsão de séries temporais é abordado através de diferentes modelos de otimização por enxame de partículas, que visam a ajustar os parâmetros livres das RNAs, ora de forma isolada, ora em conjunto com algoritmos de aprendizagem comumente encontrados na literatura. Cada um dos sistemas híbridos inteligentes baseados em PSO age de forma distinta para modelar o fenômeno gerador da série, sendo seu desempenho testado de acordo com um conjunto de cinco métricas robustas para análise de comportamento dos modelos na previsão de séries temporais. Diversos experimentos foram realizados sobre um conjunto de cinco séries temporais de complexidades distintas, sendo duas naturais (série de Manchas Solares e Série de Medidas de Brilho de uma Estrela) e três econômico-financeiras (série das cotações das ações da Petrobras...

‣ Extensão de técnicas clássicas para análise de séries temporais do tipo intervalo

Luis Santiago Maia, André; de Assis Tenório Carvalho, Francisco (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
150.30232%
Os dados simbólicos apresentam, em sua estrutura, formas interessantes para se transformar grandes bases de dados clássicos em novos conjuntos de dados de tamanho reduzido, facilitando a manipulação e proporcionando novas técnicas de análise dos mesmos. No entanto, mesmo com os recentes avanços promovidos por pesquisadores nesta área, o volume de técnicas de manipulação e, consequentemente, de análise de dados simbólicos (ADS) ainda é incipiente. Uma série temporal do tipo intervalo (STI), no campo de dados simbólicos, pode ser definida como um conjunto de intervalos observados sequencialmente no tempo, em que cada intervalo é descrito por um vetor bidimensional com elementos em IR representados pelo limite superior e pelo limite inferior. O desenvolvimento de técnicas para previsão de STI é uma área de pesquisa muito promissora e os poucos resultados relatados na literatura surgiram muito recentemente. Nesta tese, estendemos técnicas clássicas de análise de séries temporais para descrição, modelagem e previsão de STI no domínio de ADS. Neste contexto, nós apresentamos técnicas para descrição de uma STI, envolvendo cálculo de estatísticas sumárias e representação gráfica dos dados. Na modelagem...

‣ Máquina de aprendizagem extrema com otimização por exame de partículas aplicada à previsão de séries temporais

Grebogi, Rafael Bartnik
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
120.09511%
Resumo: Identificação de sistemas é uma área interessada em obter modelos matemáticos de sistemas desconhecidos baseados em dados de leituras sequenciais do sistema. Diversas aplicações do mundo real não tem sua dinâmica completamente compreendida ou são complexas para serem modeladas, para estes casos, a identificação de sistemas é uma ferramenta eficiente para modelagem e previsão. Este trabalho aborda redes neurais artificiais, mais precisamente, redes neurais com uma única camada de neurônios ocultos, em inglês, Single Layer Feedforward Neural Network (SLFN), para previsão de séries temporais. Um algoritmo de aprendizagem proposto recentemente chamado de Máquina de Aprendizagem Extrema, em inglês, Extreme Learning Machine (ELM), é introduzido para a tarefa de aprendizagem da rede neural. O algoritmo ELM é baseado na matriz inversa generalizada de Moore-Penrose, que torna o problema um simples sistema linear. No núcleo do algoritmo ELM, duas funções de ativação diferentes serão testadas, sendo que uma delas é uma função de ativação variável. Para alcançar melhores resultados, um método estocástico de otimização do campo da inteligência de enxame chamado de Otimização por Enxame de Partículas...

‣ Máquina de estado líquido para previsão de séries temporais contínuas: aplicação na demanda de energia elétrica

Grando, Neusa
Fonte: Curitiba Publicador: Curitiba
Tipo: Tese de Doutorado
Português
Relevância na Pesquisa
110.73228%
Among of several aspects of the natural intelligence is its ability to process temporal information. One of major challenges to be addresses is how to efficiently develop intelligent systems that integrate the complexities of human behavior. In this context, appear the Liquid State Machines (LSMs), a pulsed neural architecture (liquid) that projects the input data in a high-dimensional dynamical space and therefore makes the analysis of input data all through a classical neural network (readout). Thus, this thesis presents an innovative solution for forecasting continuous time series through LSMs with reset mechanism and analog inputs, applied to the electric energy demand. The methodology was applied in the short-term and long-term forecasting of electrical energy demand. Results are promising, considering the high error to stop training the readout, the low number of iterations of training of the readout, and that no strategy of seasonal adjustment or preprocessing of input data was achieved. So far, it can be notice that the LSMs have been studied as a new and promising approach in the Artificial Neural Networks paradigm, emergent from cognitive science.; CAPES; Um dos aspectos fundamentais da inteligência natural é sua aptidão no processamento de informações temporais. O grande desafio proposto é o de desenvolver sistemas inteligentes que mapeiem essa aptidão do comportamento humano. Neste contexto...

‣ Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Souza, Renata Laise Reis de
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Administração; Políticas e Gestão Públicas; Gestão Organizacional Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Administração; Políticas e Gestão Públicas; Gestão Organizacional
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
121.2509%
Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer...

‣ ’HALITE IND.DS’: agrupamento de dados em subespaços de séries temporais multidimensionais

Silva, Afonso Expedito da; Cordeiro, Robson Leonardo Ferreira
Fonte: Universidade Federal do Paraná - UFPR; Pontifícia Universidade Católica do Paraná - PUC-PR; Sociedade Brasileira de Computação - SBC; Curitiba Publicador: Universidade Federal do Paraná - UFPR; Pontifícia Universidade Católica do Paraná - PUC-PR; Sociedade Brasileira de Computação - SBC; Curitiba
Tipo: Conferência ou Objeto de Conferência
Português
Relevância na Pesquisa
130.10669%
Given a data stream with many attributes, how to cluster similar events? For example, how to cluster measurements of tens of climatic attributes to aid in forecasting the climate and extreme events? The task of clustering data with many attributes is known as subspace clustering. Today, there exists a need for algorithms of this type well-suited to process data streams. This paper proposes the new algorithm 'HALITE IND.DS' for subspace clustering in data streams. The new algorithm improves upon one existing technique, the method Halite, which was originally designed to process static datasets. Compared to using the base algorithm in data streams, the new algorithm takes advantage of the knowledge obtained from clustering past data to easy clustering data in the present, thus shrinking the runtime. Experiments using a synthetic stream, as well a real climatic stream indicate that the new algorithm is in average 4.2 times faster than the base algorithm, still obtaining similar accuracy of results.; Dada uma série temporal com muitos atributos, como agrupar eventos similares? Por exemplo, como buscar grupos em medições de dezenas de atributos climáticos para previsão climática e de eventos extremos? O agrupamento de dados com muitos atributos é conhecido como agrupamento em subespaços. Há hoje uma carência de algoritmos adequados a séries temporais. Este artigo propõe o novo algoritmo 'HALITE IND.DS' para agrupamento em subespaços de séries temporais. É utilizada como base a técnica Halite...

‣ Sistema de suporte a decisão para analise e previsão de carga por barramento; Decision support system to the analysis and bus load forecasting

Ricardo Menezes Salgado
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 26/02/2009 Português
Relevância na Pesquisa
110.881%
Na operação de um sistema elétrico de potência (SEP) existem diversas variáveis que Influenciam as rotinas de planejamento, operação e controle. O monitoramento destas variáveis é Importante para auxiliar os processos responsáveis pela operação segura e confiável no sistema. Dentre estas variáveis pode-se destacar o nível de carga elétrica por barramento como uma variável de grande Impacto na operação do SEP. Informações precisas sobre o nível de carga em cada barramento da rede elétrica proporcionam um melhor controle no fluxo de potência, na analise de estabilidade e segurança, no despacho econômico, no planejamento e na programação da operação. Visando atender estas necessidades, este trabalho apresenta duas contribuições na análise de séries temporais de carga por barramento. A primeira contribuição é o desenvolvimento de uma metodologia de previsão de carga por barramento rápida e efetiva. A segunda contribuição ê um sistema computacional denominado SysPrev - Slsiema de Suporte para Analise e Previsão de Carga por barramento desenvolvido para facilitar o processo de calculo das previsões por barramento. O modelo de previsão de carga por barramento é composto por duas etapas: Na primeira...

‣ Projeção de séries temporais por meio de um método híbrido wavelet-neural integrado com bootstrap

Teixeira, Levi Lopes
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Tese de Doutorado Formato: 107 f. : il. algumas color., tabs.; application/pdf
Português
Relevância na Pesquisa
120.97987%
Orientador : Prof. Dr. Paulo Henrique Siqueira; Coorientador : Prof. Dr. Luiz Albino Teixeira Junior; Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 27/08/2015; Inclui referências : f. 98-107; Área de concentração : Programação matemática; Resumo: Nesta tese de doutorado, é proposto um novo método híbrido wavelet-neural integrado com um amostrador bootstrap para projeção pontual e intervalar de séries temporais estocásticas. Basicamente, combinam-se os métodos de encolhimento e de decomposição Wavelet no pré-processamento dos dados e, em seguida, uma Rede Neural Artificial (RNA) é usada para produzir as de previsões pontuais. A medida de incerteza do modelo RNA é obtida com a utilização de uma amostragem bootstrap dos resíduos do modelo RNA ajustado à série temporal subjacente. A fim de se obter o intervalo de confiança, calculou-se a média ponderada das previsões de B séries temporais oriundas do processo bootstrap, sendo os pesos determinados via otimização de um problema de programação não linear cuja função objetivo é a minimização da raiz quadrada do erro quadrático médio entre a combinação linear das B previsões e a série temporal subjacente. Além do intervalo de confiança...