Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Samuel Bellido
Data de Publicação: 2015
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/41960
Resumo: Orientador: Prof. Dr. Arinei Carlos Lindbeck da Silva
id UFPR_9f6e3faed129ee4b32eeafd1246afdff
oai_identifier_str oai:acervodigital.ufpr.br:1884/41960
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Teixeira Junior, Luiz AlbinoUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSilva, Arinei Carlos Lindbeck da, 1960-Rodrigues, Samuel Bellido2024-05-16T14:27:05Z2024-05-16T14:27:05Z2015https://hdl.handle.net/1884/41960Orientador: Prof. Dr. Arinei Carlos Lindbeck da SilvaCoorientador: Prof. Dr. Luiz Albino Teixeira JúniorTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 22/12/2015Inclui referências : f.82-93Resumo: Nesta tese de Doutorado é apresentado um novo método preditivo híbrido, formado basicamente pela combinação dos métodos SARIMA, Support Vector Regression e Wavelet, denominado como SARIMA Support Vector Regression Wavelet de Múltiplos Núcleos (SSVRWMN), para a predição de valores de leitura de instrumentos de barragens de concreto de usinas hidroelétricas. Tendo as previsões pontuais, estimase o intervalo de confiança por meio da técnica Bootstrap. O método SSVRWMN Bootstrap contempla as seguintes abordagens: os modelos SARIMA (para mapear estruturas de autodependência lineares sazonais e simples); a decomposição Wavelet integrada com modelos Support Vector Regression (SVRs) (que mapeiam estruturas de autodependência não lineares e da frequência espectral inerente aos dados); a programação não linear (utilizada no ajuste numérico dos parâmetros associados às combinações de previsões) e a técnica Bootstrap aplicada aos resíduos do modelo SSVRWMN com a finalidade de se estimar o intervalo de confiança Bootstrap. O objetivo é produzir previsões para as séries temporais provenientes de instrumentos de barragens, agregadoras de informações estocásticas distintas capturadas por diferentes métodos. A fim de avaliar a eficiência do método preditivo SSVRWMN, este foi aplicado a algumas séries temporais provenientes da aferição de instrumentos situados no bloco-chave I10 da barragem de Itaipu (as quais são utilizadas na análise probabilística de risco de tombamento dos blocos no sentido montante-jusante). O desempenho preditivo alcançado pelo método SSVRWMN, em relação aos métodos preditivos SARIMA, SVR e composto SARIMA-SVR, foi notadamente superior, na presente tese.Abstract: In this doctoral thesis is presented a new hybrid predictive method, formed by the combination of the methods SARIMA, Support Vector Regression and Wavelet referred as: SARIMA Support Vector Regression Wavelet of multiple kernels (SSVRWMN), for the prediction of reading values of concrete dams of hydroelectric plants. With the forecasts, it is estimated the confidence interval by Bootstrap technique. The method SSVRWMN Bootstrap includes the following approaches: SARIMA models (to map linear auto-dependence structures simple and seasonal); Wavelet decomposition integrated with Support Vector Regression models (SVR) (which map non-linear auto-dependence structures and spectral frequency inherent to data); nonlinear programming (used in the numerical adjustment of the parameters associated with combinations of forecasts) and the Bootstrap residual technique applied to residue the model SSVRWMN in order to estimate the Bootstrap confidence interval. The goal is to produce forecasts for the time series from instruments of dams that are aggregators of distinctive stochastic information captured by different methods. In order to evaluate the efficiency of method SSVRWMN predictive , this was applied to some time series from instruments located in block-key I10, of Itaipu Dam (which are used in probabilistic analysis tipover risk of blocks in the downstreamupstream direction). The predictive performance achieved by SSVRWMN concerning the traditional approaches SARIMA, SVR and composed SARIMA-SVR, have been remarkable superior.93 f. : il. algumas color.application/pdfDisponível em formato digitalAnálise numéricaBarragens de concretoWavelets (Matematica)Analise de series temporais - Processamento de dadosMétodo híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragensinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - SAMUEL BELLIDO RODRIGUES.pdfapplication/pdf1818717https://acervodigital.ufpr.br/bitstream/1884/41960/1/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdfc6ef2d1c53d43e758df7019b788aa79bMD51open accessTEXTR - T - SAMUEL BELLIDO RODRIGUES.pdf.txtExtracted Texttext/plain160087https://acervodigital.ufpr.br/bitstream/1884/41960/2/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdf.txtbd9e0748fe6397c8f8a49c3de4758afeMD52open accessTHUMBNAILR - T - SAMUEL BELLIDO RODRIGUES.pdf.jpgGenerated Thumbnailimage/jpeg1187https://acervodigital.ufpr.br/bitstream/1884/41960/3/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdf.jpg07bd0fbbfbb651231b89d6fa0a7cf506MD53open access1884/419602024-05-16 11:27:05.191open accessoai:acervodigital.ufpr.br:1884/41960Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T14:27:05Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
title Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
spellingShingle Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
Rodrigues, Samuel Bellido
Análise numérica
Barragens de concreto
Wavelets (Matematica)
Analise de series temporais - Processamento de dados
title_short Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
title_full Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
title_fullStr Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
title_full_unstemmed Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
title_sort Método híbrido interativo sarima support vector regression wavelet de múltiplos núcleos na previsão de séries temporais de instrumentos de barragens
author Rodrigues, Samuel Bellido
author_facet Rodrigues, Samuel Bellido
author_role author
dc.contributor.other.pt_BR.fl_str_mv Teixeira Junior, Luiz Albino
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Silva, Arinei Carlos Lindbeck da, 1960-
dc.contributor.author.fl_str_mv Rodrigues, Samuel Bellido
contributor_str_mv Silva, Arinei Carlos Lindbeck da, 1960-
dc.subject.por.fl_str_mv Análise numérica
Barragens de concreto
Wavelets (Matematica)
Analise de series temporais - Processamento de dados
topic Análise numérica
Barragens de concreto
Wavelets (Matematica)
Analise de series temporais - Processamento de dados
description Orientador: Prof. Dr. Arinei Carlos Lindbeck da Silva
publishDate 2015
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2024-05-16T14:27:05Z
dc.date.available.fl_str_mv 2024-05-16T14:27:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/41960
url https://hdl.handle.net/1884/41960
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 93 f. : il. algumas color.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/41960/1/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdf
https://acervodigital.ufpr.br/bitstream/1884/41960/2/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/41960/3/R%20-%20T%20-%20SAMUEL%20BELLIDO%20RODRIGUES.pdf.jpg
bitstream.checksum.fl_str_mv c6ef2d1c53d43e758df7019b788aa79b
bd9e0748fe6397c8f8a49c3de4758afe
07bd0fbbfbb651231b89d6fa0a7cf506
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860196158406656

Registros relacionados