Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFMG_addd33d52718e7262892efa82cbb06a7 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUOS-95QH3W |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Reinaldo Martinez PalharesMarcos Flávio Silveira Vasconcelos D'angeloWalmir Matos CaminhasMarcelo Azevedo CostaMarcos Flavio S. V. D'angeloFabiano de Souza Moreira2019-08-14T13:34:29Z2019-08-14T13:34:29Z2011-06-01http://hdl.handle.net/1843/BUOS-95QH3WNeste 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.In this work, the problem of detecting till two change points in time series is handled by using a new neural/fuzzy/Bayesian technique. This proposed technique is split into a three-step formulation, namely: the first step is performed by a Kohonen neural network classification algorithm that defines the model to be used in the case of one change point or two change points in the time series. The second step consists of a fuzzy clustering to transform the initial data in the time series, with arbitrary distribution, into a new one that can be approximated by a beta distribution. Also, the fuzzy cluster centers are determined by using the Kohonen neural network classification algorithm used in the first step. The last step consists in using the Metropolis-Hastings algorithm to appropriately perform the detection of the change points in the transformed time series generated by the second step, with beta distribution. The main contribution of the proposed approach in this work, related to previous one in the Literature, is to allow to detect till two change points in time series with the correct model selection. Simulation results are presented in this work to illustrate the effectiveness of the proposed approach.Universidade Federal de Minas GeraisUFMGEngenharia elétricaEngenharia ElétricaDetecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdissertacao___fabiano_de_souza_moreira.pdfapplication/pdf1518098https://repositorio.ufmg.br/bitstream/1843/BUOS-95QH3W/1/dissertacao___fabiano_de_souza_moreira.pdf09e413bf57eda8bf97a58cfd60ee1dd9MD51TEXTdissertacao___fabiano_de_souza_moreira.pdf.txtdissertacao___fabiano_de_souza_moreira.pdf.txtExtracted texttext/plain83331https://repositorio.ufmg.br/bitstream/1843/BUOS-95QH3W/2/dissertacao___fabiano_de_souza_moreira.pdf.txt305142d6ff9738fa09d55b3e9fbc60e2MD521843/BUOS-95QH3W2019-11-14 13:10:29.564oai:repositorio.ufmg.br:1843/BUOS-95QH3WRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T16:10:29Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
title |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
spellingShingle |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas Fabiano de Souza Moreira Engenharia Elétrica Engenharia elétrica |
title_short |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
title_full |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
title_fullStr |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
title_full_unstemmed |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
title_sort |
Detecção de pontos de mudança em séries temporais utilizando uma formulação neural/fuzzy/Bayesiana: aplicação na detecção das falhas |
author |
Fabiano de Souza Moreira |
author_facet |
Fabiano de Souza Moreira |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Reinaldo Martinez Palhares |
dc.contributor.advisor-co1.fl_str_mv |
Marcos Flávio Silveira Vasconcelos D'angelo |
dc.contributor.referee1.fl_str_mv |
Walmir Matos Caminhas |
dc.contributor.referee2.fl_str_mv |
Marcelo Azevedo Costa |
dc.contributor.referee3.fl_str_mv |
Marcos Flavio S. V. D'angelo |
dc.contributor.author.fl_str_mv |
Fabiano de Souza Moreira |
contributor_str_mv |
Reinaldo Martinez Palhares Marcos Flávio Silveira Vasconcelos D'angelo Walmir Matos Caminhas Marcelo Azevedo Costa Marcos Flavio S. V. D'angelo |
dc.subject.por.fl_str_mv |
Engenharia Elétrica |
topic |
Engenharia Elétrica Engenharia elétrica |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica |
description |
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. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011-06-01 |
dc.date.accessioned.fl_str_mv |
2019-08-14T13:34:29Z |
dc.date.available.fl_str_mv |
2019-08-14T13:34:29Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUOS-95QH3W |
url |
http://hdl.handle.net/1843/BUOS-95QH3W |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUOS-95QH3W/1/dissertacao___fabiano_de_souza_moreira.pdf https://repositorio.ufmg.br/bitstream/1843/BUOS-95QH3W/2/dissertacao___fabiano_de_souza_moreira.pdf.txt |
bitstream.checksum.fl_str_mv |
09e413bf57eda8bf97a58cfd60ee1dd9 305142d6ff9738fa09d55b3e9fbc60e2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589234653659136 |