Improving time series modeling by decomposing and analysing stochastic and deterministic influences (2013)
- Authors:
- Autor USP: RIOS, RICARDO ARAÚJO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; APRENDIZADO COMPUTACIONAL; SISTEMAS DINÂMICOS; SISTEMAS DISTRIBUÍDOS; SISTEMAS AUTÔNOMOS; COMPUTAÇÃO BIOINSPIRADA
- Keywords: Additive noise; Análise de séries temporais; Decomposição; Decomposição de modo empírico; Decomposition; Empirical mode decomposition; Influências estocásticas e determinísticas; Ruído aditivo; Stochastic and deterministic influences; Time series analysis
- Language: Inglês
- Abstract: Esta tese apresenta um estudo sobre análise de séries temporais, a qual foi conduzida baseada na seguinte hipótese: séries temporais influenciadas por ruído aditivo podem ser decompostas em componentes estocásticos e determinísticos que ao serem modelados individualmente permitem obter um modelo híbrido de maior acurâcia. Essa hipótese foi confirmada em duas etapas. Na primeira, desenvolveu-se uma análise formal usando o teorema de amostragem proposto por Nyquist-Shannon, provando que IMFs (Intrinsic Mode Functions) extraídas pelo método EMD (Empirical Mode Decomposition) podem ser combinadas de acordo com suas intensidades de frequência para formar os componentes estocásticos e determinísticos. Considerando essa prova, duas abordagens de decomposição de séries foram desenvolvidas e avaliadas em aplicações sintéticas e reais. Resultados experimentais confirmaram a importância de decompor séries temporais e modelar seus componentes estocásticos e determinísticos, provando a segunda parte da hipótese. Além disso, notou-se que a análise individual desses componentes possibilita detectar padrões e extrair importantes informações implícitas em séries temporais. Essa tese apresenta ainda duas novas medidas. A primeira é usada para avaliar a acurácia de modelos utilizados para predizer observações. A principal vantagem dessa medida em relação às existentes é a possibilidade de avaliar os valores individuais de predição e o comportamento global entre as observações preditas eexperadas. A segunda medida permite avaliar a influência dos componentes estocásticos e determinísticos sobre as séries temporais. Finalmente, essa tese apresenta ainda resultados obtidos por meio de uma revisão sistemática da literatura, a qual coletou importantes trabalhos relacionados, e dois novos métodos para geração de dados substitutos, permitindo investigar a presença de processos Gaussianos lineares e não-lineares, independente da influência de comportamento não-estacionário
- Imprenta:
- Publisher place: São Carlos
- Date published: 2013
- Data da defesa: 22.10.2013
-
ABNT
RIOS, Ricardo Araújo. Improving time series modeling by decomposing and analysing stochastic and deterministic influences. 2013. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112013-143708/. Acesso em: 21 maio 2024. -
APA
Rios, R. A. (2013). Improving time series modeling by decomposing and analysing stochastic and deterministic influences (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112013-143708/ -
NLM
Rios RA. Improving time series modeling by decomposing and analysing stochastic and deterministic influences [Internet]. 2013 ;[citado 2024 maio 21 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112013-143708/ -
Vancouver
Rios RA. Improving time series modeling by decomposing and analysing stochastic and deterministic influences [Internet]. 2013 ;[citado 2024 maio 21 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112013-143708/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas