Escolar Documentos
Profissional Documentos
Cultura Documentos
MELHORES RESULTADOS
»MODELOS INTELIGÊNTES
OBJETIVO DA PESQUISA
»IMPORTÂNCIA DO RIO
Séries Temporais 700
600
» OBSERVAÇÕES DISCRETAS ORDENADAS NO TEMPO
1000 passageiros
500
400
300
200
100
0
17
25
33
41
49
57
65
73
81
89
97
1
9
105
113
121
129
137
TOTAL MENSAL DE PASSAGEIROS AÉREOS
UMIDADE DIÁRIA EM SÃO PAULO DE INTERNACIONAIS, JAN/49 A DEZ/60.
23/07/1997 A 21/06/1997.
250
200
150
100
50
0
Sep-84
Sep-86
Sep-88
Sep-90
Sep-92
Sep-94
Sep-96
jan/84
May-85
jan/86
jan/88
jan/90
jan/92
jan/94
jan/96
May-87
May-89
May-91
May-93
May-95
TEMPERATURA MENSAL EM UBATUBA, DE
JANEIRO DE 1976 A JUNHO DE 1985. VENDAS FÍSICAS NA REGIÃO METROPOLITANA DE SP,
JAN/84 A OUT/96.
Pré-tratamento da série temporal
»CARACTERÍSTICAS ESPECÍFICAS
»CARACTERÍSTICAS ESTATÍSTICAS
Frequência
Tempo
janela
TRANSFORMADA
JANELADA
F
r
FOURIER e
q
Tempo
Tempo
» WAVELET-MÃE:
1 t b
TRANSFORMADA DISCRETA
(t )
a a
a Fator escala
W ( a, b) x(t ) (t )dt
b Fator Posição
DECOMPOSIÇÃO
(n) n
1
( n)
1 ( n) 1
1 e n 1 e 2n
»TESTE
FUNÇÕES DE TRANSFERÊNCIA
valor Séries temporais
alvo
janela
Saída tempo
Entradas Desejada = Definição da
da rede = valor da série janela de entrada
n valores k passos à
passados frente Definição da
janela de saída
Ex: valor um
passo à frente
Ex: 5 valores
passados
12
Séries temporais
alvo
janela
Entradas
da rede
Ajuste dos pesos
a partir do erro
Erro= alvo - previsto
Saída da rede:
Valor previsto
um passo à frente
Séries temporais
alvo
janela
Entradas
da rede
Ajuste dos pesos
a partir do erro
Erro= alvo - previsto
Saída da rede:
Valor previsto
um passo à frente
Séries temporais
alvo
janela
Entradas
da rede
janela
alvo
Entradas
da rede
Entradas
da rede
Saída da rede:
Valor previsto
Séries temporais
janela previsto
Entradas da rede:
inclui valores
previstos pela Rede
Saída da rede:
Valor previsto
Séries temporais previsto
janela
Entradas da rede:
inclui valores
previstos pela Rede
CONTRUÇÃO DE MODELOS
»TAN-SIGMOID(FUNÇÃO DE PERTINÊNCA).
»TODA A METODOLOGIA FOI DESENVOLVIDA
EM AMBIENTE DE PROGRAMAÇÃO MATLAB
1
( n) 1
1 e 2n
MODELO
DESENVOLVIDO
MATRIZ DOS RESULTADOS » RESULTADOS PARA AS DIFERENTES
DEFASAGEM
»BASEADO NO MSE (ERRO QUADRADO MÉDIO)
n Defasagem Regressão MSE
1
MSE i si
n i 1
( x x ) 2 t-1,t-2,...,t-5
t-1,t-2,...,t-6
0,99533
0,99735
20,53
12,67
t-1,t-2,...,t-7 0,99757 10,59
»“Xi” SINAL REAL
»“Xsi” SINAL SIMULADO t-1,t-2,...,t-8 0,99727 16,13
Detalhes Aproximação
Sub-série D1 D2 D3 D4 D5 D6 D7 D8 A8
MSE 3,511 5,728 0,603 0,26 0,025 0,007 0,0022 0,068 0,006
Regressão 0,98528 0,99359 0,99913 0,99994 0,99997 0,99998 0,99995 0,99999 0,99998
GRÁFICO
[8]Nayak P. C., SatyajiRao Y. R., Krishna B., 2010. Time Series Modeling of River Flow
Using Wavelets Neural Network. Journal of Water Resouce and Protection, 2011, 3, 50-59.
[9]Partal T., Kisi O., 2007. Wavelet and neuro-fuzzy conjunction model for
precipitation forecasting. Journal of Hydrology ScienceDirect, 2007, 342, 199-212.
[10] Sarava S. V., Oliveira F. C., Barbosa L. S., Domingues L., 2014. Avaliação de diferentes
conjunções entre a transformada wavelet e rede neural na previsão de vazão do rio
Mundaú. VII Congresso de Engenharia, Ciências e Tecnologia – CONECT.
[11] Sarava S. V., Oliveira F. C., Amorim R. F. C., Domingues L., 2014. Prognóstico de
radiação solar através de modelos que combinam as técnicas Wavelet e Redes
Neurais. VI Workshop de Mudanças Climáticas e Recursos Hridricos do Estado de
Pernambuco(VI WMCRHPE). Revista Brasileira de Geografia Física (RBGF), 2014