A spatial: temporal aware model selection for time series analysis

• Autor(a) principal: Zorrilla Coz, Rocío Milagros
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações do LNCC
• Texto Completo: https://tede.lncc.br/handle/tede/338
• topic: Séries temporais; Espaço temporal; Agrupamento de séries temporais; Modelos autorregressivos; CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ANALISE

Um Sistema de Serviço para Predição Espaço-Temporal é uma solução baseada na implan- tação de modelos pré-treinados, que permite aos usuários expressar Consultas Preditivas. As consultas preditivas espaço-temporais abrangem uma região espaço-temporal, uma variável preditiva e uma métrica de avaliação. O resultado dessa consulta contém os valores da variável preditiva na região especificada, calculada por modelos preditivos, procurando ao mesmo tempo maximizar a métrica de avaliação. Em domínios espaço-temporais, nos quais conjuntos de dados são representados por quantidades massivas de séries temporais, as abordagens tradicionais de processamento de dados e da análise de séries temporais tendem a gerar modelos preditivos que visam a acurácia na predição, resultando em tempos de execução e utilização de recursos computacionais elevados. Neste trabalho, é proposta uma metodologia passo a passo para a avaliação de consultas preditivas espaço-temporais, que visa reduzir a carga de trabalho computacional e o tempo que seria consumido se fosse treinado um modelo em cada um dos elementos de um domínio espaço–temporal. Isso é obtido escolhendo cuidadosamente os modelos preditivos a serem utilizados para inferência em cada elemento, dada uma consulta preditiva espaço–temporal. A metodologia proposta está composta de três etapas offline e uma etapa online: (1) o particionamento do domínio, baseado em técnicas de agrupamento com elementos representativos; (2) a geração de modelos preditivos temporais para os representantes; (3) um processo de classificação de série temporal que alavanca relacionamentos subjacentes entre modelos representativos e o particionamento do domínio; (4) um processo de inferência online que utiliza o classificador de séries temporais para compor modelos e calcular uma consulta preditiva espaço-temporal. A fim de avaliar a aplicabilidade da metodologia proposta, é utilizado um estudo de caso relacionado à previsão de temperatura, usando dados históricos e modelos autorregressivos. Através dos resultados de experimentos computacionais, é mostrado que é possível alcançar uma qualidade preditiva comparável usando uma composição de modelos baseada em representantes de grupos, com apenas uma fração do custo computacional.