Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas

• Autor(a) principal: Fabiano de Souza Moreira
• Data de Publicação: 2011
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-95QH3W
• topic: Engenharia Elétrica; Engenharia elétrica

Neste trabalho o problema de detecção de até dois pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana foi tratado. Este problema é abordado usando uma formulação de três passos, ou seja: o primeiro passo consiste de um algoritmo de classificação do tipo rede neural de Kohonen que define o modelo a ser usado, de um ponto de mudança ou dois pontos de mudança. O segundo passo consiste em uma clusterização fuzzypara transformar a série temporal inicial, com distribuição arbitrária, em uma nova série cuja distribuição de probabilidade pode ser aproximada por uma distribuição beta. Os centros dos clusters fuzzy são determinados pelo algoritmo de classificação do primeiro passo. O último passo consiste em usar o algoritmo Metropolis-Hastings para realizar a detecção de até dois pontos de mudança na nova série temporal gerada pelo segundo passo, que tem distribuição beta. A principal contribuição e diferença apresentadas neste trabalho, quando comparado a trabalhos anteriores, é a possibilidade de detectar dois pontos de mudança na série temporal considerada. Resultados simulados são apresentados no decorrer da dissertação para ilustrara metodologia proposta.