Página 1 dos resultados de 990 itens digitais encontrados em 0.020 segundos

Aprimorando a classificação semissupervisionada de séries temporais extraídas de imagens de satélite

Amaral, Bruno Ferraz do; Gonçalves, R. R. V.; Romani, L. A. S.; Sousa, Elaine Parros Machado de
Fonte: Sociedade Brasileira de Computação - SBC; Universidade Federal de Minas Gerais - UFMG; Universidade Federal de São Carlos - UFSCar; Universidade Federal Fluminense - UFF; Universidade Federal de Uberlândia - UFU; IBM Research; Universidade de São Paulo - USP; São Carlos Publicador: Sociedade Brasileira de Computação - SBC; Universidade Federal de Minas Gerais - UFMG; Universidade Federal de São Carlos - UFSCar; Universidade Federal Fluminense - UFF; Universidade Federal de Uberlândia - UFU; IBM Research; Universidade de São Paulo - USP; São Carlos
Tipo: Conferência ou Objeto de Conferência
Português
Relevância na Pesquisa
145.95%
A quantidade de dados gerados e armazenados tem crescido muito nos últimos anos, assim como o interesse na descoberta de conhecimento e extração de padrões em tais bases de dados. No entanto, em domínios como sensoriamento remoto, grandes volumes de dados complexos, por exemplo imagens de satélite, requerem uso de recursos computacionais para análise de dados. Nesse contexto, a classificação semissupervisionada é uma alternativa adequada para extração de conhecimento de conjuntos de dados com poucas instâncias previamente rotuladas e grandes quantidades de instâncias não rotuladas. Neste artigo, é proposta uma técnica de classificação semissupervisionada para análise de séries temporais obtidas a partir de imagens de satélites, visando a identificação de áreas de plantio de cana-de-açúcar. Os resultados dos experimentos realizados indicam que a técnica proposta alcança melhor qualidade na classificação de áreas de cana-de-açúcar quando comparada a duas outras técnicas, supervisionada e semissupervisionada, propostas na literatura.; FAPESP; CNPq; Capes

Identificação da mudança de uso da terra usando técnicas de agrupamento de séries temporais de imagens de satélite

Scrivani, Rachel; Amaral, Bruno Ferraz do; Gonçalves, Renata Ribeiro do Valle; Sousa, Elaine Parros Machado de; Zullo Junior, Jurandir; Romani, Luciana Alvim Santos
Fonte: Embrapa Informática Agropecuária; Instituto Nacional de Pesquisas Espaciais - INPE; Universidade do Estado de Mato Grosso - UNEMAT; Universidade Federal do Mato Grosso do Sul - UFMS; Universidade Católica Dom Bosco - UCDB; Campo Grande Publicador: Embrapa Informática Agropecuária; Instituto Nacional de Pesquisas Espaciais - INPE; Universidade do Estado de Mato Grosso - UNEMAT; Universidade Federal do Mato Grosso do Sul - UFMS; Universidade Católica Dom Bosco - UCDB; Campo Grande
Tipo: Conferência ou Objeto de Conferência
Português
Relevância na Pesquisa
126%
A disponibilidade de dados orbitais, aliada à necessidade crescente de monitoramento de grandes extensões e de preservação de regiões ambientalmente sensíveis, gera uma oportunidade para o desenvolvimento/adaptação de métodos computacionais. A fim de gerar informações de avaliação temporal e espacial que possam constituir importante ferramenta de planejamento e de orientação à tomada de decisão para o manejo e conservação destas áreas, o objetivo deste trabalho é propor uma abordagem baseada em métodos de agrupamento de séries de imagens de satélite para auxiliar na análise espaço-temporal da mudança do uso da terra, identificando de forma automática, com alta probabilidade de serem áreas inundáveis, floresta, culturas agrícolas e pastagem em escala regional. Séries temporais de imagens do sensor MODIS com valores dos índices de vegetação NDVI e EVI, do período de 2008/2009 a 2013/2014, foram agrupadas por meio do algoritmo K-means. Para uma avaliação da qualidade dos agrupamentos obtidos foi utilizado o coeficiente de Silhueta. Séries temporais de precipitação do satélite TRMM foram utilizadas a fim de correlacionar com os demais resultados obtidos para avaliar a pré-classificação gerada pelo método de agrupamento em anos secos...

Mineração e visualização de coleções de séries temporais; Mining and visualization of time series collections

Alencar, Aretha Barbosa
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 10/12/2007 Português
Relevância na Pesquisa
116.03%
A análise de séries temporais gera muitos desafios para profisionais em um grande número de domínios. Várias soluções de visualização integrada com algoritmos de mineração já foram propostas para tarefas exploratórias em coleções de séries temporais. À medida que o conjunto de dados cresce, estas soluções falham em promover uma boa associação entre séries temporais similares. Neste trabalho, é apresentada uma ferramenta para a análise exploratória e mineração de conjuntos de séries temporais que adota uma representação visual baseada em medidas de dissimilaridade entre séries. Esta representação é criada usando técnicas rápidas de projeção, de forma que as séries temporais possam ser visualizadas em espaços bidimensionais. Vários tipos de atributos visuais e conexões no grafo resultante podem ser utilizados para suportar a exploração dessa representação. Também é possível aplicar algumas tarefas de mineração de dados, como a classificação, para apoiar a busca por padrões. As visualizações resultantes têm se mostrado muito úteis na identificação de grupos de séries com comportamentos similares, que são mapeadas para a mesma vizinhança no espaço bidimensional. Grupos visuais de elementos...

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
156.07%
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...

Improving time series modeling by decomposing and analysing stochastic and deterministic influences; Modelagem de séries temporais por meio da decomposição e análise de influências estocásticas e determinísticas

Rios, Ricardo Araújo
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 22/10/2013 Português
Relevância na Pesquisa
136.08%
This thesis presents a study on time series analysis, which was conducted based on the following hypothesis: time series influenced by additive noise can be decomposed into stochastic and deterministic components in which individual models permit obtaining a hybrid one that improves accuracy. This hypothesis was confirmed in two steps. In the first one, we developed a formal analysis using the Nyquist-Shannon sampling theorem, proving Intrinsic Mode Functions (IMFs) extracted from the Empirical Mode Decomposition (EMD) method can be combined, according to their frequency intensities, to form stochastic and deterministic components. Considering this proof, we designed two approaches to decompose time series, which were evaluated in synthetic and real-world scenarios. Experimental results confirmed the importance of decomposing time series and individually modeling the deterministic and stochastic components, proving the second part of our hypothesis. Furthermore, we noticed the individual analysis of both components plays an important role in detecting patterns and extracting implicit information from time series. In addition to these approaches, this thesis also presents two new measurements. The first one is used to evaluate the accuracy of time series modeling in forecasting observations. This measurement was motivated by the fact that existing measurements only consider the perfect match between expected and predicted values. This new measurement overcomes this issue by also analyzing the global time series behavior. The second measurement presented important results to assess the influence of the deterministic and stochastic components on time series observations...

Métodos lineares e não lineares de análise de séries temporais e sua aplicação no estudo da variabilidade da frequência cardíaca de jovens saudáveis

Ferreira, Maria Teodora
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 120 f.
Português
Relevância na Pesquisa
126.02%
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Pós-graduação em Biometria - IBB; Neste trabalho fazemos um estudo de métodos lineares e não llineares utilizados na análise de séries temporais experimentais e aplicamos tais métodos na análise da Variabilidade da Frequência Cardíaca (VFC) de jovens saudáveis. Os métodos lineares são baseados na análise estatística, enquanto os não lineares estão relacionados à teoria dos sistemas dinâmicos determinísticos, da qual a teoria do caos é parte integrante. Chamamos de VFC o estudo das variações dos intervalos existentes entre os batimentos cardíacos, medidos sempre entre os intervalos RR do sinal cardíaco, pois estes apresentam maior potencial para serem captados. As séries temporais obtidas destas medidas são chamadas séries de intervalos RR (ou simplesmente séries RR)...; In this work we study methods linear and nonlinear used in the analysis of experimental time series apply such methods in the analysis of Heart Rate Variability (HRV) of healthy young people. The linear methods are based on statistical analysis, while the nonlinear methods are related to deterministic dynamical systems, including the chaos theory. The HRV is known as the study of variation in the intervals between the heart beats...

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
126.04%
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...

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
125.97%
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...

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
145.98%
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
145.95%
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%.

Análise de séries temporais em epidemiologia: uma introdução sobre os aspectos metodológicos

Latorre,Maria do Rosário Dias de Oliveira; Cardoso,Maria Regina Alves
Fonte: Associação Brasileira de Saúde Coletiva Publicador: Associação Brasileira de Saúde Coletiva
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/11/2001 Português
Relevância na Pesquisa
126.01%
Este é um artigo introdutório sobre análise de séries temporais, onde se pretende apresentar, de maneira sumária, alguns modelos estatísticos mais utilizados em análise de séries temporais . Uma série temporal, também denominada série histórica, é uma seqüência de dados obtidos em intervalos regulares de tempo durante um período específico. Na análise de uma série temporal, primeiramente deseja-se modelar o fenômeno estudado para, a partir daí, descrever o comportamento da série, fazer estimativas e, por último, avaliar quais os fatores que influenciaram o comportamento da série, buscando definir relações de causa e efeito entre duas ou mais séries. Para tanto, há um conjunto de técnicas estatísticas disponíveis que dependem do modelo definido (ou estimado para a série), bem como do tipo de série analisada e do objetivo do trabalho. Para analise de tendências, podem se ajustar modelos de regressão polinomial baseados na série inteira ou em vizinhança de um determinado ponto. Isso também pode ser realizado com funções matemáticas. Define-se como um fenômeno sazonal aquele que ocorre regularmente em períodos fixos de tempo e, se existir sazonalidade dita determinística na série, podem-se utilizar modelos de regressão que incorporem funções do tipo seno ou cosseno à variável tempo. Os modelos auto-regressivos formam outra classe de modelos. Na análise do comportamento de uma série histórica livre de tendência e de sazonalidade podem ser utilizados modelos auto-regressivos (AR) ou que incorporem médias móveis (ARMA). Quando há tendência...

Óbitos por desnutrição em idosos, São Paulo e Rio de Janeiro: análise de séries temporais. 1980-1996

Otero,Ubirani Barros; Rozenfeld,Suely; Gadelha,Angela Jourdan
Fonte: Associação Brasileira de Saúde Coletiva Publicador: Associação Brasileira de Saúde Coletiva
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/11/2001 Português
Relevância na Pesquisa
125.92%
OBJETIVOS: Descrever a evolução da mortalidade por desnutrição em idosos nas Regiões Metropolitanas dos Estados do Rio de Janeiro (RMRJ) e São Paulo (RMSP), verificar as suas tendências, entre 1980 e 1996, e propor um modelo que permita prever a ocorrência de casos. METODOLOGIA: Trata-se de um estudo ecológico, de séries temporais, baseado em dados secundários. Foram incluídos no estudo indivíduos com 60 anos de idade ou mais, de ambos os sexos, das RMRJ e RMSP. A fonte de dados utilizada foi o Sistema de Informações sobre Mortalidade (SIM). Analisou-se a série de casos mensais, no período de janeiro de 1980 a dezembro de 1996. Para modelagem da série e predição de casos por desnutrição em idosos, utilizou-se o método Box and Jenkins, SARIMA (Sazonal Autoregressive Integrated Moving Average). RESULTADOS: Os resultados apontam a existência de sazonalidade, com maior número de óbitos nos meses de junho e julho na RMSP, no mês de janeiro na RMRJ, provavelmente, decorrente do clima frio, nestes meses, em São Paulo e do calor intenso no Rio de Janeiro. Este resultado pode ser explicado pela possibilidade de idosos, com estado nutricional comprometido, terem dificuldades em manter a temperatura corporal normal durante os meses de inverno...

Variação do Índice de Vegetação por Diferença Normalizada na lagoa Itapeva, litoral norte do Rio Grande do Sul, Brasil, a partir de análise de séries temporais

Lissner,Juliane Beatriz; Guasselli,Laurindo Antonio
Fonte: Universidade Federal de Uberlândia, Instituto de Geografia, Programa de Pós-Graduação em Geografia Publicador: Universidade Federal de Uberlândia, Instituto de Geografia, Programa de Pós-Graduação em Geografia
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/08/2013 Português
Relevância na Pesquisa
125.94%
O objetivo do trabalho foi analisar os padrões de comportamento espaço-temporal dos valores do Índice de Vegetação por Diferença Normalizada (NDVI) na lagoa Itapeva-RS, por meio de imagens Landsat TM5 e ETM+7, compreendendo o período de 1985 a 2010. Para a análise do comportamento espaço-temporal foram utilizadas classes de Índice de Vegetação por Diferença Normalizada (NDVI) e Análise por Séries Temporais (TSA) de imagens. Para validação dos padrões observados foram coletadas amostras de água em seis pontos na lagoa Itapeva para clorofila_a, Totais de Sólidos Suspensos e transparência do disco Secchi. Estes resultados foram correlacionados com os valores de NDVI. Os mapas de classes de NDVI gerados após a análise da TSA evidenciaram padrões de dinâmica espaciais e sazonais associados as variáveis ambientais atuantes, permitindo o estabelecimento de três grandes compartimentos para a lagoa Itapeva: norte, centro e sul. A análise da série temporal de imagens mostra que o aumento e o decréscimo dos valores de NDVI estão associados aos períodos de floração do fitoplâncton. Concluiu-se que a análise da Série Temporal de imagens Landsat foi satisfatória no que se refere ao comportamento espaço-temporal da variação das classes de NDVI.

Combinando análise fractal e mineração de séries temporais para identificação de extremos climáticos regionais.

NUNES, S. A.; ROMANI, L. A. S.; AVILA, A. M. H.; SOUSA, E. P. M. de; TRAINA, A. J. M.
Fonte: In: CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 31., 2011, Natal. Computação para todos: no caminho da evolução social: anais. Natal: UFRN, 2O11. Publicador: In: CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 31., 2011, Natal. Computação para todos: no caminho da evolução social: anais. Natal: UFRN, 2O11.
Tipo: Artigo em anais de congresso (ALICE) Formato: p. 164-173.
Português
Relevância na Pesquisa
126.03%
Nas últimas décadas, grandes quantidades de dados climáticos provenientes de estações meteorológicas e de outros tipos de sensores têm sido coletadas e armazenadas por diversas instituições. A análise desses dados tornou-se uma tarefa importante devido às mudanças climáticas e seus efeitos sociais e econômicos. Este trabalho propõe um processo de análise de múltiplas séries temporais climáticas para identificar padrões temporais intrínsecos aos dados. Considerando múltiplas séries como uma data stream, é possível integrar diferentes variáveis climáticas e detectar mudanças de comportamento ao longo do tempo. Estudos em séries climáticas reais coletadas em diferentes regiões do Brasil mostram o potencial de aplicação dessa abordagem.; 2011

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
145.94%
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...

’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
125.99%
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...

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
116.05%
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...

Uso da análise de séries temporais em estudos epidemiológicos

Antunes,José Leopoldo Ferreira; Cardoso,Maria Regina Alves
Fonte: Ministério da Saúde do Brasil Publicador: Ministério da Saúde do Brasil
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/09/2015 Português
Relevância na Pesquisa
116.01%
Esse artigo visa introduzir e cativar o interesse sobre a análise de séries temporais em estudos epidemiológicos. São descritos aspectos conceituais desse tipo de análise e sistematizadas indicações metodológicas. Foram definidos os principais conceitos da análise de séries temporais (tendência, variação cíclica e sazonal, associação e variação aleatória), e operacionalizada sua aplicação epidemiológica. Foram apresentados os métodos para avaliação da tendência (porcentagem de modificação anual), baseados em modelos de regressão de Prais-Winsten, e para quantificação da variação sazonal, segundo o modelo de Serfling. Foi, ainda, introduzida a modalidade de análise de regressão segmentada para séries temporais interrompidas, como estratégia de avaliação do efeito de intervenções em saúde.

Análise de séries temporais em epidemiologia: uma introdução sobre os aspectos metodológicos

Latorre,Maria do Rosário Dias de Oliveira; Cardoso,Maria Regina Alves
Fonte: Associação Brasileira de Pós -Graduação em Saúde Coletiva Publicador: Associação Brasileira de Pós -Graduação em Saúde Coletiva
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/11/2001 Português
Relevância na Pesquisa
126.01%
Este é um artigo introdutório sobre análise de séries temporais, onde se pretende apresentar, de maneira sumária, alguns modelos estatísticos mais utilizados em análise de séries temporais . Uma série temporal, também denominada série histórica, é uma seqüência de dados obtidos em intervalos regulares de tempo durante um período específico. Na análise de uma série temporal, primeiramente deseja-se modelar o fenômeno estudado para, a partir daí, descrever o comportamento da série, fazer estimativas e, por último, avaliar quais os fatores que influenciaram o comportamento da série, buscando definir relações de causa e efeito entre duas ou mais séries. Para tanto, há um conjunto de técnicas estatísticas disponíveis que dependem do modelo definido (ou estimado para a série), bem como do tipo de série analisada e do objetivo do trabalho. Para analise de tendências, podem se ajustar modelos de regressão polinomial baseados na série inteira ou em vizinhança de um determinado ponto. Isso também pode ser realizado com funções matemáticas. Define-se como um fenômeno sazonal aquele que ocorre regularmente em períodos fixos de tempo e, se existir sazonalidade dita determinística na série, podem-se utilizar modelos de regressão que incorporem funções do tipo seno ou cosseno à variável tempo. Os modelos auto-regressivos formam outra classe de modelos. Na análise do comportamento de uma série histórica livre de tendência e de sazonalidade podem ser utilizados modelos auto-regressivos (AR) ou que incorporem médias móveis (ARMA). Quando há tendência...

Óbitos por desnutrição em idosos, São Paulo e Rio de Janeiro: análise de séries temporais. 1980-1996

Otero,Ubirani Barros; Rozenfeld,Suely; Gadelha,Angela Jourdan
Fonte: Associação Brasileira de Pós -Graduação em Saúde Coletiva Publicador: Associação Brasileira de Pós -Graduação em Saúde Coletiva
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/11/2001 Português
Relevância na Pesquisa
125.92%
OBJETIVOS: Descrever a evolução da mortalidade por desnutrição em idosos nas Regiões Metropolitanas dos Estados do Rio de Janeiro (RMRJ) e São Paulo (RMSP), verificar as suas tendências, entre 1980 e 1996, e propor um modelo que permita prever a ocorrência de casos. METODOLOGIA: Trata-se de um estudo ecológico, de séries temporais, baseado em dados secundários. Foram incluídos no estudo indivíduos com 60 anos de idade ou mais, de ambos os sexos, das RMRJ e RMSP. A fonte de dados utilizada foi o Sistema de Informações sobre Mortalidade (SIM). Analisou-se a série de casos mensais, no período de janeiro de 1980 a dezembro de 1996. Para modelagem da série e predição de casos por desnutrição em idosos, utilizou-se o método Box and Jenkins, SARIMA (Sazonal Autoregressive Integrated Moving Average). RESULTADOS: Os resultados apontam a existência de sazonalidade, com maior número de óbitos nos meses de junho e julho na RMSP, no mês de janeiro na RMRJ, provavelmente, decorrente do clima frio, nestes meses, em São Paulo e do calor intenso no Rio de Janeiro. Este resultado pode ser explicado pela possibilidade de idosos, com estado nutricional comprometido, terem dificuldades em manter a temperatura corporal normal durante os meses de inverno...