Artigo Completo - Open Access.

Idioma principal

SINGULAR SPECTRUM ANALYSIS, ANÁLISE DE COMPONENTES PRINCIPAIS E CLUSTERIZAÇÃO BASEADA EM DENSIDADE NA REMOÇÃO DE RUÍDOS DE SÉRIES TEMPORAIS

Cassiano, Keila Mara ; Menezes, Moisés Lima de ; Souza, Reinaldo Castro ; Pessanha, José Francisco Moreira ;

Artigo Completo:

O objetivo deste artigo é apresentar diferentes métodos para remoção de ruídos de séries temporais com o uso de Singular Spectrum Analysis (SSA) e verificar o desempenho da Clusterização Baseada em Densidade em Aplicações com Ruído (DBSCAN) perante os demais. Para este propósito foram utilizadas quatro abordagens na fase de agrupamento do método SSA: análise de componentes principais (ACP), análise de agrupamentos integrada com ACP, análise gráfica dos vetores singulares e DBSCAN. Adicionalmente, testes estatísticos foram realizados a fim de se obter evidências empíricas da existência de independência estatística e estacionariedade de segunda ordem na série temporal de ruídos removidos. Para ilustrar a aplicação dos métodos, considerou-se a série temporal de Vazão da Usina Hidrelétrica Governador Bento Munhoz, localizada na Bacia do Rio Paraná, Brasil.

Artigo Completo:

Palavras-chave: Remoção de Ruídos, Singular Spectrum Analysis, Análise de Componentes Prinicipais, DBSCAN,

Palavras-chave: ,

DOI: 10.5151/marine-spolm2015-140011

Referências bibliográficas
  • [1] Aldefender, M.S., Blashfield, R.K. (1984). Cluster Analysis. Sage Publications. California. Páginas 35-45.
  • [2] Brock, W. A., Dechert, W., Scheinkman, J., and LeBaron, B. (1996). A test for Independence based on the correlation dimension. Econometric reviews, 15 (3), pp. 197-235.
  • [3] Dickey, D, and Fuller, W. A. (1979) Distribution of the estimates for Autorregressive Time Series with a Unit Root. Journal of the American Statistical Association, 7, pp. 427 – 431.
  • [4] Ester, M., Kriegel, H. P., Snader, J., and Xu, X. (1996). Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. KDD-96 Proceedings. 226-231.
  • [5] GISTATGROUP (2010). Caterpillar SSA. Petersburg University. Department of Mathematics. Russia. Site: http://www.gistatgroup.com/cat/index.html.
  • [6] Golyandina, N., Nekrutkin, V., Zhihgljavsky, A. (2001). Analysis of time series structure: SSA and reletade techniques. Chapman&Hall/CRC. New York, USA.
  • [7] Hamilton, J. (1994). Time Series Analysis. Princeton University Press.
  • [8] Hassani, H. (2007). Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science 5, 239-257.
  • [9] Kubrusly, C. S. (2001). Elements of Operator Theory. Birkhäuser, Boston.
  • [10] Morettin, P.A., Toloi, L.M.C (2006). Análise Séries Temporais, 2ª Ed. ABE. Projeto Fisher. Editora: Edgard Blucher.
  • [11] Manly, B. J. F. (2008). Métodos Estatísticos Multivariados: Uma introdução. 3ª. Ed. Editora Bookman.
  • [12] Terry, L.A., Pereira, M.V.F., Silva, L.F. Sales, P.R., Araripe N. T.A. (1986). Coordinating the Energy Generation of the Brazilian System. Interfaces Special lssue.
  • [13] Tran, T. N., Drab, K. and Daszykowski, M. (2013),.Revised DBSCAN algorithm to cluster data with dense adjacent clusters”. Chemometrics and Intelligent Laboratory Systems, Vol.120. 92-96, 20
Como citar:

Cassiano, Keila Mara; Menezes, Moisés Lima de; Souza, Reinaldo Castro; Pessanha, José Francisco Moreira; "SINGULAR SPECTRUM ANALYSIS, ANÁLISE DE COMPONENTES PRINCIPAIS E CLUSTERIZAÇÃO BASEADA EM DENSIDADE NA REMOÇÃO DE RUÍDOS DE SÉRIES TEMPORAIS", p. 137-148 . In: Anais do XVIII Simpósio de Pesquisa Operacinal & Logística da Marinha. São Paulo: Blucher, 2016.
ISSN 2175-6295, ISBN: 2358-5498
DOI 10.5151/marine-spolm2015-140011

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações