@MastersThesis{Dantas:2009:AnEsPa,
author = "Dantas, Murilo da Silva",
title = "An{\'a}lise espectral de padr{\~o}es-gradiente de s{\'e}ries
temporais curtas",
school = "Instituto Nacional de Pesquisas Espaciais",
year = "2009",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2008-12-15",
keywords = "s{\'e}ries temporais curtas, an{\'a}lise de ondeletas,
an{\'a}lise de padr{\~o}es gradiente, an{\'a}lise de fourier,
processamento de sinais, short time series, wavelets analysis,
gradient pattern analysis, fourer analysis, signal processing.",
abstract = "Com a moderniza{\c{c}}{\~a}o da tecnologia para coleta de dados,
na forma de s{\'e}ries temporais, novos desafios
metodol{\'o}gicos, para an{\'a}lise e interpreta{\c{c}}{\~a}o
dos padr{\~o}es de variabilidade medidos, s{\~a}o crescentes. Em
geral, desafios anal{\'{\i}}ticos e interpretativos ocorrem
devido aos diversos problemas de coleta de dados, quando sujeitos
{\`a}s varia{\c{c}}{\~o}es extremas no meio ambiente, envio e
recebimento de dados por sat{\'e}lite e problemas inerentemente
instrumentais. Grande parte das s{\'e}ries temporais coletadas, a
partir de experimentos em sistemas naturais, resulta em conjuntos
de s{\'e}ries parciais curtas compostas por poucos pontos,
comprometendo assim a qualidade das an{\'a}lises
estat{\'{\i}}sticas convencionais. Neste contexto, este projeto
de mestrado teve como principal objetivo desenvolver, testar e
validar uma nova metodologia computacional para an{\'a}lise de
s{\'e}ries temporais curtas, principalmente aquelas que
apresentam comportamento n{\~a}o-linear nos dom{\'{\i}}nios do
tempo, da amplitude e da freq{\"u}{\^e}ncia. Esta nova
metodologia, denominada An{\'a}lise Espectral Gradiente (GSA, do
ingl{\^e}s Gradient Spectral Analysis) conjuga duas t{\'e}cnicas
matem{\'a}ticas, conhecidas como An{\'a}lise de
Padr{\~o}es-Gradiente (GPA, do ingl{\^e}s Gradient Pattern
Analysis) e An{\'a}lise Multiresolu{\c{c}}{\~a}o por Wavelets
(WMA, do ingl{\^e}s Wavelet Multiresolution Analysis). A GSA
prop{\~o}e, primeiramente, classificar diferentes regimes
n{\~a}o-lineares a partir da an{\'a}lise de pequenas amostras de
s{\'e}ries temporais geradas a partir de processos din{\^a}micos
previamente conhecidos associados a modelos ca{\'o}ticos e
estoc{\'a}sticos. Como estudos de caso, testamos o desempenho da
GSA na classifica{\c{c}}{\~a}o de s{\'e}ries temporais curtas
oriundas do meio ambiente: (i) dados de reservat{\'o}rios
aqu{\'a}ticos fornecidos por Furnas Centrais El{\'e}tricas S.A.;
e (ii) dados de inunda{\c{c}}{\~a}o na regi{\~a}o do Pantanal
fornecidos pela NASA (EUA) a partir do Sat{\'e}lite Nimbus-7 pelo
radi{\^o}metro SMMR e gentilmente cedidos por S. K. Hamilton
(Michigan State University/EUA) - HAMILTON, 1996. Os resultados,
em ambos os casos, indicam que a metodologia pode ser robusta em
futuras aplica{\c{c}}{\~o}es de classifica{\c{c}}{\~a}o e
monitoramento das vari{\'a}veis f{\'{\i}}sicas e
limnol{\'o}gicas medidas ABSTRACT: With the modernization of data
collecting technology, in the time series format, new
methodological challenges, for analyzing and interpreting
variability patterns, have been growing. In general, such
challenges are due to several collecting data problems when they
are under extreme environmental variations, data satellite
transmission and other inherent instrumental problems. Most of the
time series collected, from natural systems, result in partial
data set having only few points, thus compromising the performance
of usual statistical analysis. In this context, this project had
as a main goal to develop, to test and to validate a new
computational methodology for short time series analysis, mainly
the ones showing non-linear behavior in the time, amplitude and
frequency domains. This new methodology, called Gradient Spectral
Analysis (GSA) conjugates two mathematical techniques, the
so-called Gradient Pattern Analysis (GPA) and the Wavelet
Multiresolution Analysis (WMA). The GSA proposes, then, the
classification of different non-linear regimes taking into account
short samples of time series generated from dynamical processes
previously associated to chaotic and stochastic models. As case
studies, we test the GSA performance on classification of short
times series from the environment: (i) data of water reservoirs
provided by Furnas Centrais El{\'e}tricas S.A., and (ii) data of
flooding in the Pantanal provided by NASA (USA) from the Nimbus-7
Satellite by SMMR radiometer and kindly provided by S. K. Hamilton
(Michigan State University / USA) HAMILTON, 1996. The results, in
both cases, indicate that the methodology can be robust in future
applications for the classification and monitoring of physical and
limnological measures.",
committee = "Silva, Jos{\'e} Demisio Sim{\~o}es da (presidente) and Rosa,
Reinaldo Roberto (orientador) and Stech, Jos{\'e} Luiz and
Calheiros, D{\'e}bora Fernandes and Bolzan, Maur{\'{\i}}cio
Jos{\'e} Alves",
copyholder = "SID/SCD",
englishtitle = "Gradient spectral analysis for short time series",
language = "pt",
pages = "157",
ibi = "8JMKD3MGP8W/34MM5S8",
url = "http://urlib.net/ibi/8JMKD3MGP8W/34MM5S8",
targetfile = "publicacao.pdf",
urlaccessdate = "15 jun. 2024"
}