A carregar...
Publicação
Detecção de correlação e causalidade em séries temporais não categóricas
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.35 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
As séries temporais estão presentes em múltiplos domínios do nosso quotidiano – áreas tão distintas como a astronomia, geofísica, economia, medicina, entre outras. As tecnologias de informação actuais têm a capacidade de gerar grandes quantidades de dados, representando séries temporais. Para extrair informação, e consequentemente gerar conhecimento, a partir de uma quantidade tão vasta de dados, torna-se necessário recorrer a técnicas para automatizar a análise destes dados de uma forma exequível e eficiente.
Com esta tese pretende-se contribuir especificamente para a análise de séries temporais não categóricas, mais concretamente de valores numéricos reais, com um conjunto de ferramentas que auxiliem na detecção de correlações entre múltiplas séries temporais e na detecção de possíveis periodicidades existentes. Para além dos métodos conhecidos de correlação, desenvolveu-se uma variante aplicada à detecção de picos nas séries de modo a lidar com determinados tipos de parâmetros, com resultados muito positivos.
No âmbito da tese, foi também desenvolvida uma metodologia de modo a determinar relações de causalidade entre variáveis. Esta permite detectar situações de causa-efeito a partir de séries temporais não categóricas. Esta dissertação fica assim a focar duas partes; uma onde se aborda o tema da correlação entre séries temporais, e outra onde se trata da questão da causalidade existente entre elas.
Como caso de estudo, utilizou-se o domínio da astrofísica solar, analisando séries temporais provenientes de parâmetros solares. Não obstante, manteve-se o objectivo de os métodos e ferramentas resultantes poderem ser aplicados a qualquer domínio expresso em séries temporais, pelo que não foram introduzidos nos algoritmos factores relativos a domínios específicos.
Descrição
Dissertação de Mestrado em Engenharia Informática
Palavras-chave
Séries temporais Correlação Auto-correlação Detecção de periodicidades Causalidade