Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana

Detalhes bibliográficos
Autor(a) principal: Bacani, Felipo, 1985-
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1618039
Resumo: Orientador: Laécio Carvalho de Barros
id UNICAMP-30_eeb53af923a5ae619e348c6ff3ef1b19
oai_identifier_str oai::866073
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesianaPrediction models using fuzzy logic : an approach inspired in the bayesian inferenceConjuntos fuzzyTeoria bayesiana de decisão estatísticaBiomatemáticaFuzzy setsBayesian theory of statistical decisionBiomathematicsOrientador: Laécio Carvalho de BarrosDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação CientíficaResumo: O presente trabalho tem por objetivo aplicar a teoria de conjuntos fuzzy a modelos de predição (inferência) de dados. O modelo utilizado baseia-se fortemente nas relações fuzzy em espaços contínuos (caso não matricial) e na regra de inferência modus ponens, utilizando t-normas (que neste contexto são similares à operação de cópula em estatística). é do modus ponens que surge o caráter \condicional" de alguns dos termos envolvidos, e a partir daí é que a analogia com a inferência bayesiana é feita. Entretanto, são apenas analogias conceituais: o presente trabalho não lida com nenhuma distribuição de probabilidades. Na verdade, conjuntos fuzzy são tratados como distribuições de possibilidades. A metodologia proposta é utilizada com o objetivo de tornar mais precisa a previsão de um especialista, levando em conta um registro histórico sobre o problema. Ou seja, melhorar a previsão do especialista levando em conta o que ocorreu com as previsões anteriores. Para testar a metodologia, utilizou-se dados meteorológicos de temperatura e umidade provenientes de lavouras de café. Os dados foram gentilmente cedidos pelo CEPAGRI/Unicamp. Os testes foram avaliados através de dois indicadores estatísticos, 'D' de Willmott e MAPE (Mean Absolute Percentage Error), mostrarando que a metodologia foi capaz de melhorar a previsão do especialista na maioria das situações estudadasAbstract: This work aims to apply Fuzzy set theory in forecasting models. The modeling methodology is largely based on continuous fuzzy relations and in the modus ponens, using t-norms (that in this context are similar to the copula operations in statistics). It is from the modus ponens that arises the \conditional" interpretation of some of the terms involved, and it is from there that an analogy with the Bayesian inference is made. However, it is only a conceptual analogy: this work do not involve probability distributions. Actually, fuzzy sets are treated as possibility distributions. The methodology is used to improve the accuracy of expert forecasting considering a historic data. Namely, to improve expert prediction based on past performance. To evaluate the test the methodology, temperature and humidity data from coffee crop was used. The data was gently provided by CEPAGRI/Unicamp. Results were validated using two different statistic indicators, MAPE (mean absolute percentage error) and Willmott 'D', showing that the methodology was able to improve the expert prediction in most casesMestradoMatemática AplicadaMestre em Matemática Aplicada[s.n.]Barros, Laécio Carvalho de, 1954-Zullo Junior, JurandirGomide, Fernando Antonio CamposUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em Matemática AplicadaUNIVERSIDADE ESTADUAL DE CAMPINASBacani, Felipo, 1985-2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf137 p. : il.https://hdl.handle.net/20.500.12733/1618039BACANI, Felipo. Modelos de predição utilizando lógica fuzzy: uma abordagem inspirada na inferência bayesiana. 2012. 137 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618039. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/866073porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T06:39:59Zoai::866073Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T06:39:59Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
Prediction models using fuzzy logic : an approach inspired in the bayesian inference
title Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
spellingShingle Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
Bacani, Felipo, 1985-
Conjuntos fuzzy
Teoria bayesiana de decisão estatística
Biomatemática
Fuzzy sets
Bayesian theory of statistical decision
Biomathematics
title_short Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
title_full Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
title_fullStr Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
title_full_unstemmed Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
title_sort Modelos de predição utilizando lógica fuzzy : uma abordagem inspirada na inferência bayesiana
author Bacani, Felipo, 1985-
author_facet Bacani, Felipo, 1985-
author_role author
dc.contributor.none.fl_str_mv Barros, Laécio Carvalho de, 1954-
Zullo Junior, Jurandir
Gomide, Fernando Antonio Campos
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Matemática Aplicada
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Bacani, Felipo, 1985-
dc.subject.por.fl_str_mv Conjuntos fuzzy
Teoria bayesiana de decisão estatística
Biomatemática
Fuzzy sets
Bayesian theory of statistical decision
Biomathematics
topic Conjuntos fuzzy
Teoria bayesiana de decisão estatística
Biomatemática
Fuzzy sets
Bayesian theory of statistical decision
Biomathematics
description Orientador: Laécio Carvalho de Barros
publishDate 2012
dc.date.none.fl_str_mv 2012
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 https://hdl.handle.net/20.500.12733/1618039
BACANI, Felipo. Modelos de predição utilizando lógica fuzzy: uma abordagem inspirada na inferência bayesiana. 2012. 137 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618039. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1618039
identifier_str_mv BACANI, Felipo. Modelos de predição utilizando lógica fuzzy: uma abordagem inspirada na inferência bayesiana. 2012. 137 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618039. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/866073
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
137 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138498340454400

Registros relacionados