Proposta de modelo híbrido composta por wavelet, arima e redes neurais artificiais de funções de bases radiais para previsão de séries temporais : uma aplicação em um instrumento da barragem de Itaipu

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorScarpin, Cassius Tadeu, 1980--
Autor(es): dc.contributorTeixeira Junior, Luiz Albino-
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia-
Autor(es): dc.creatorPereira, Eliete Nascimento-
Data de aceite: dc.date.accessioned2019-08-21T23:54:39Z-
Data de disponibilização: dc.date.available2019-08-21T23:54:39Z-
Data de envio: dc.date.issued2017-05-09-
Data de envio: dc.date.issued2017-05-09-
Data de envio: dc.date.issued2016-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/1884/43051-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/43051-
Descrição: dc.descriptionOrientador : Prof. Dr. Cassius Tadeu Scarpin-
Descrição: dc.descriptionCoorientador : Prof. Dr. Luiz Albino Teixeira Junior-
Descrição: dc.descriptionTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 14/04/2016-
Descrição: dc.descriptionInclui referências : f. 117-127-
Descrição: dc.descriptionÁrea de concentração : Programação matemática-
Descrição: dc.descriptionResumo: A previsão de séries temporais é empregada em várias áreas de conhecimento. O presente estudo tem como foco auxiliar, a partir de previsões de séries temporais, a tomada de decisão da equipe responsável do monitoramento e segurança de barragens na Usina Hidrelétrica de Itaipu no Paraná. Busca-se melhorar a assertividade das previsões por meio de uma metodologia híbrida composta das técnicas de Box e Jenkins (método ARIMA), das Redes Neurais Artificiais de Funções de Bases Radiais e da Decomposição Wavelet. As três técnicas são associadas de forma única gerando ajustes de teste e previsões que são similares e, por vezes, com erros menores do que os modelos híbridos da literatura, como Zhang (2003); Khashei e Bijari (2011). A inovação da metodologia elaborada neste trabalho se dá em relação a estrutura e a forma de compor a combinação das técnicas. Dado que o tipo de Wavelet influencia nas previsões, desenvolveu-se uma lógica elementar para a sua escolha. As séries temporais consagradas na literatura, dos Linces Canadenses, das Manchas Solares e da Taxa de Câmbio, são aplicadas na metodologia proposta visando determinar a melhor configuração. Esta configuração obtida foi utilizada para a aplicação na série do Piezômetro, instrumento que monitora a subpressão da Usina Hidrelétrica de Itaipu. Foi realizado o ajuste de teste (quando se faz a aplicação do método um passo a frente, empregando os dados originais da série referente ao conjunto de teste) e previsão (quando a aplicação do método resulta em valores futuros e estes são empregados para a obtenção das próximas previsões). Os resultados obtidos, considerando o ajuste de teste da série temporal, em relação às séries da literatura foram comparados aos resultados publicados e verificou-se que nas três séries testadas a metodologia proposta obteve melhor desempenho. No que se refere a previsões destaca-se o resultado da série da Taxa de Câmbio, a qual tinha como melhor resultado da literatura um erro MSE de 3,648x10-5 em Khashei e Bijari (2011), sem a utilização da Decomposição Wavelet (DW); com a metodologia proposta, realizando a DW, obteve-se um MSE de 1,943x10-6. No que diz respeito a série do Piezômetro da Usina Hidrelétrica de Itaipu pode-se verificar que o erro MSE de 0,086, é menor em relação aos modelos ARIMA e Rede Neural de Função de Bases Radiais.-
Descrição: dc.descriptionAbstract: The time series forecasting is used in various fields of knowledge. The focus of this study is to support the decision making from time-series forecasting, by the committee responsible for monitoring of dam safety in the Itaipu hydroelectric dam on the Paraná. Searching to improve the assertiveness of forecasts by a hybrid methodology consists of the techniques of Box and Jenkins (ARIMA method), the Artificial Neural Networks Radial Basis Functions and Wavelet Decomposition. The three techniques are uniquely associated with generating test settings and predictions which are similar to and sometimes better than the hybrid models from the literature, such as Zhang (2003); Khashei and Bijari (2011). The innovation of the methodology developed in this work is given regarding the structure and form to compose a combination of techniques. Given that kind of influence on Wavelet forecasting, developed an elementary logic to the choice. The time series usually used in literature, Canadian Lynx, Wolf's Sunspot and Exchange Rates are applied in the proposed methodology to determine the best configuration. This configuration obtained was used for the application in the Piezometer series instrument that monitors the underpressure of the Itaipu hydroelectric dam. It conducted the test adjustment (when do the method a step ahead, using the original data series regarding the test set) and forecast (when the application of the method results in future values and these are employees to obtain the next estimates). The results obtained, considering the time series test setting, in relation to the series in the literature were compared to the published results and found that the three series tested the proposed method performed better. As regards the highlight the estimates is the result series Exchange rate, which had the best result literature 3,648x10-5 MSE error by Khashei and Bijari (2011), without the Wavelet Decomposition; the proposed method with the Wavelet Decomposition, was obtained MSE of 1,943x10-6. Regarding the Itaipu hydroelectric dam piezometer series can be seen which the MSE error of 0.086 is lower compared to ARIMA and Neural Network Radial Basis Function models.-
Formato: dc.format127 f. : il. algumas color., tabs., grafs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectAnálise numérica-
Palavras-chave: dc.subjectAnalise de series temporais - Processamento de dados-
Palavras-chave: dc.subjectBarragens e açudes-
Palavras-chave: dc.subjectWavelets (Matematica)-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectTeses-
Título: dc.titleProposta de modelo híbrido composta por wavelet, arima e redes neurais artificiais de funções de bases radiais para previsão de séries temporais : uma aplicação em um instrumento da barragem de Itaipu-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.