Método warimax-garch neural para previsão de séries temporais

Detalhes bibliográficos
Autor(a) principal: Correa, Jairo Marlon
Data de Publicação: 2015
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/41955
Resumo: Orientador: Prof. Dr. Anselmo Chaves Neto
id UFPR_a8082a5845173620676599e8b7ad6240
oai_identifier_str oai:acervodigital.ufpr.br:1884/41955
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 EngenhariaChaves Neto, Anselmo, 1945-Correa, Jairo Marlon2024-05-16T14:28:45Z2024-05-16T14:28:45Z2015https://hdl.handle.net/1884/41955Orientador: Prof. Dr. Anselmo Chaves NetoCoorientador: 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, 21/12/2015Inclui referências : f.123-128Área de concentração: Programação matemáticaResumo: A proposta deste trabalho é apresentar uma nova metodologia híbrida WARIMAX-GARCH Neural para a previsão pontual e intervalar de séries temporais estocásticas. Fundamentalmente, é aplicada a decomposição Wavelet em séries históricas compostas por registros de monitoramento de barragens e suas componentes de aproximação e detalhe, as quais são modeladas, individualmente, via ARIMA-GARCH e Redes Neurais Artificiais (RNA). A partir de então, são realizadas as previsões pontuais fora da amostra pelas técnicas de modelagem e os resultados são combinados linearmente. As componentes de aproximação e detalhe são completadas com as previsões combinadas e passam a ser utilizadas como variáveis de entrada (exógenas híbridas) na modelagem da série em estudo. Em cada série temporal é aplicada a metodologia WARIMAX-GARCH Neural e são realizadas as previsões pontuais e intervalares, sob a suposição de inovações gaussianas. As séries temporais utilizadas neste trabalho de tese foram as séries temporais dos deslocamentos horizontais de blocos da barragem principal da Usina Hidrelétrica de Itaipu, aferidas pelos pêndulos diretos automatizados. Os desempenhos preditivos alcançados pela metodologia proposta, em relação aos resultados obtidos pelas modelagens tradicionais ARIMA-GARCH e RNA, foram consideravelmente vantajosos. Nas comparações dos resultados obtidos através do modelo WARIMAX-GARCH Neural com métodos tradicionais, a redução do erro preditivo chegou a 91%.Abstract: This research proposes a new WARIMAX-GARCH Neural hybrid methodology for point and interval prediction of stochastic time series. Fundamentally, it is applied the wavelet decomposition on the time series made of monitoring data and its approximation and detail components were modeled by ARIMA-GARCH and Artificial Neural Networks (ANN). Thereafter, the point forecasts are performed out the sample by both modeling techniques and these results are combined linearly. The approximation and detail components are completed with the combined forecasts and are used as input variables (hybrid exogenous) in the modeling time series under study. In each time series is applied the WARIMAX-GARCH Neural methodology and are made the point and interval forecast, under the assumption of Gaussian innovations. The time series used in this research were the time series of horizontal displacements of the main dam blocks of Itaipu hydroelectric plant, measured by automated direct pendulums. The predictive performances achieved by the proposed method compared to the results obtained by traditional modeling ARIMA-GARCH and RNA were considerably advantageous. Comparing the results obtained by WARIMAX-GARCH Neural model to traditional methods there was a reduction of up to 91% of the predictive error.173 f. : il. algumas color., grafs., tabs.application/pdfDisponível em formato digitalAnálise numéricaAnalise de series temporais - Processamento de dadosBarragens de concretoRedes neurais (Computação)Método warimax-garch neural para previsão de séries temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - JAIRO MARLON CORREA.pdfapplication/pdf3011569https://acervodigital.ufpr.br/bitstream/1884/41955/1/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf79797aac400056ca4fe114e017146dcaMD51open accessTEXTR - T - JAIRO MARLON CORREA.pdf.txtExtracted Texttext/plain241584https://acervodigital.ufpr.br/bitstream/1884/41955/2/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf.txtcfb0baa1010cd4a8cca994175969b679MD52open accessTHUMBNAILR - T - JAIRO MARLON CORREA.pdf.jpgGenerated Thumbnailimage/jpeg1118https://acervodigital.ufpr.br/bitstream/1884/41955/3/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf.jpg9310373a337cfd3173d552f591fc26a7MD53open access1884/419552024-05-16 11:28:46.038open accessoai:acervodigital.ufpr.br:1884/41955Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T14:28:46Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Método warimax-garch neural para previsão de séries temporais
title Método warimax-garch neural para previsão de séries temporais
spellingShingle Método warimax-garch neural para previsão de séries temporais
Correa, Jairo Marlon
Análise numérica
Analise de series temporais - Processamento de dados
Barragens de concreto
Redes neurais (Computação)
title_short Método warimax-garch neural para previsão de séries temporais
title_full Método warimax-garch neural para previsão de séries temporais
title_fullStr Método warimax-garch neural para previsão de séries temporais
title_full_unstemmed Método warimax-garch neural para previsão de séries temporais
title_sort Método warimax-garch neural para previsão de séries temporais
author Correa, Jairo Marlon
author_facet Correa, Jairo Marlon
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 Chaves Neto, Anselmo, 1945-
dc.contributor.author.fl_str_mv Correa, Jairo Marlon
contributor_str_mv Chaves Neto, Anselmo, 1945-
dc.subject.por.fl_str_mv Análise numérica
Analise de series temporais - Processamento de dados
Barragens de concreto
Redes neurais (Computação)
topic Análise numérica
Analise de series temporais - Processamento de dados
Barragens de concreto
Redes neurais (Computação)
description Orientador: Prof. Dr. Anselmo Chaves Neto
publishDate 2015
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2024-05-16T14:28:45Z
dc.date.available.fl_str_mv 2024-05-16T14:28:45Z
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/1884/41955
url https://hdl.handle.net/1884/41955
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 173 f. : il. algumas color., grafs., tabs.
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/1884/41955/1/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf
https://acervodigital.ufpr.br/bitstream/1884/41955/2/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/41955/3/R%20-%20T%20-%20JAIRO%20MARLON%20CORREA.pdf.jpg
bitstream.checksum.fl_str_mv 79797aac400056ca4fe114e017146dca
cfb0baa1010cd4a8cca994175969b679
9310373a337cfd3173d552f591fc26a7
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_ 1801860201750462464

Registros relacionados