Papers by Moises Lima De Menezes
International Journal of energy and statistics, Jun 1, 2017
This work proposes using DBSCAN to recognition of noise components of eigentriples in the groupin... more This work proposes using DBSCAN to recognition of noise components of eigentriples in the grouping stage of SSA. The DBSCAN is a modern (revised in 2013) and expert method at to identify noise through regions of lower density. The hierarchical clustering method was the last innovation in noise recognition in SSA approach, implemented on package RSSA. However, it repeated in the literature that the hierarquical clustering method is very sensitive to noise, is unable to separate it correctly, and should not be used in clusters with varying densities and neither works well in clustering time series of different trends. Unlike, the density based clustering methods are effective in separating the noise from the data and dedicated to work well on data from different densities. This work shows better efficiency of DBSCAN over the others methods already used in this stage of SSA, because it allows considerable reduction of noise and provides better forecasting. The result is supported by experimental evaluations realized for simulated stationary and non-stationary series. The proposed combination of methodologies also was applied successfully to forecasting a real series of winds speed.
Pesquisa Operacional para o Desenvolvimento, 2021
SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas sé... more SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas séries temporais simultaneamente. Este artigo apresenta uma abordagem deste método de suavização, na qual os modelos de amortecimento exponencial de Holt-Winters e de Box & Jenkins são aplicados. Na ocasião, séries temporais de precipitação pluviométrica de cidades das cinco regiões geográficas do Brasil são modeladas antes e após a suavização SSA e MSSA. Os resultados obtidos mostram que tanto a modelagem de Holt-Winters quanto o modelo de Box & Jenkins são beneficiados pela suavização prévia da série temporal por SSA/MSSA e que a suavização MSSA supera SSA além do que os modelos de Box & Jenkins apresentam maior aderência aos dados originais.
International journal of computer applications, Jan 15, 2021
The periodic autoregressive model (PAR ()) becomes a powerful tool when to need generate scenario... more The periodic autoregressive model (PAR ()) becomes a powerful tool when to need generate scenarios. The NEWAVE and GEVAZP models in PAR () structures use the lognormal distribution to obtain scenarios using synthetic time series. Singular Spectrum Analysis (SSA) is a powerful statistical tool. SSA can decompose a time series into three components: trend, harmonics and noise and smoothing the series, removing the noisy component. Multichannel Singular Spectrum Analysis (MSSA) is a multivariate version of SSA for more than one time series simultaneously. This paper proposes the use of the bootstrap in noisy time series detected by MSSA for the generation of scenarios in the PAR () model for many time series smoothed by SSA and MSSA. Scenarios are generated with the original time series as well as the smoothed time series. Affluent Natural Energy (ANE) times series are used to illustrate the propose.
Pesquisa Operacional para o Desenvolvimento, 2018
O objetivo deste artigo é apresentar diferentes métodos para remoção de ruídos de séries temporai... more O objetivo deste artigo é apresentar diferentes métodos para remoção de ruídos de séries temporais com o uso de Análise Espectral Singular (SSA-Singular Spectrum Analysis) 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 obterem 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
Anais do XVIII Simpósio de Pesquisa Operacional & Logística da Marinha, 2016
O objetivo deste artigo é apresentar diferentes métodos para remoção de ruídos de séries temporai... more 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
Anais do XVIII Simpósio de Pesquisa Operacional & Logística da Marinha, 2016
Singular Spectrum Analysis (SSA) é uma técnica que decompõe uma série temporal em componentes tai... more Singular Spectrum Analysis (SSA) é uma técnica que decompõe uma série temporal em componentes tais como tendência, harmônicos e ruídos. Deixando de fora as componentes ruidosas e somando as outras, a série temporal pode ser suavizada. A geração de Cenários através do modelo autorregressivo periódico PAR(p) vem sendo amplamente utilizada em modelagem de séries de Energia Natural Afluente. Este artigo apresenta uma abordagem deste método de decomposição, na qual a modelagem PAR (p) é aplicada na série suavizada obtida pela SSA e por sua versão multivariada MSSA. Na ocasião são gerados 200 cenários de velocidade do vento para um horizonte de previsão de 60 meses. Para ilustrar a metodologia proposta, foram consideradas séries de velocidade do vento registradas em duas localidades na região Nordeste do Brasil. Os resultados obtidos mostram que tanto a modelagem PAR(p) quanto a geração de cenários são beneficiados pela suavização prévia da série temporal por SSA/MSSA. Palavras Chave: MSSA, modelagem PAR(p), velocidade do vento, geração de cenários.
Pesquisa Operacional, 2015
This paper proposes a method (denoted by WD-ANN) that combines the Artificial Neural Networks (AN... more This paper proposes a method (denoted by WD-ANN) that combines the Artificial Neural Networks (ANN) and the Wavelet Decomposition (WD) to generate short-term global horizontal solar radiation forecasting, which is an essential information for evaluating the electrical power generated from the conversion of solar energy into electrical energy. The WD-ANN method consists of two basic steps: firstly, it is performed the decomposition of level p of the time series of interest, generating p + 1 wavelet orthonormal components; secondly, the p + 1 wavelet orthonormal components (generated in the step 1) are inserted simultaneously into an ANN in order to generate short-term forecasting. The results showed that the proposed method (WD-ANN) improved substantially the performance over the (traditional) ANN method.
Anais do XVII Simpósio de Pesquisa Operacional e Logística da Marinha, 2014
Simpósio de Pesquisa Operacional e Logística da Marinha - Publicação Online, 2020
SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas sé... more SSA é uma técnica de suavização de séries temporais. MSSA é uma extensão de SSA para múltiplas séries temporais simultaneamente. Este artigo apresenta uma abordagem deste método de suavização, na qual os modelos de amortecimento exponencial de Holt-Winters e de Box & Jenkins são aplicados. Na ocasião, séries temporais de precipitação pluviométrica de cidades das cinco regiões geográficas do Brasil são modeladas antes e após a suavização SSA e MSSA. Os resultados obtidos mostram que tanto a modelagem de Holt-Winters quanto o modelo de Box & Jenkins são beneficiados pela suavização prévia da série temporal por SSA/MSSA e que a suavização MSSA supera SSA além do que os modelos de Box & Jenkins apresentam maior aderência aos dados originais.
Revista Da Estatistica Da Universidade Federal De Ouro Preto, 2014
Resumo: Singular Spectrum Analysis (SSA) é uma técnica não-paramétrica que permite decompor uma s... more Resumo: Singular Spectrum Analysis (SSA) é uma técnica não-paramétrica que permite decompor uma série temporal em sinal e ruído. É uma técnica útil para filtrar dados de séries temporais. Neste artigo, os modelos Box & Jenkins e Holt-Winters são testados com e sem a abordagem SSA para a modelagem de uma série temporal de consumo residencial mensal de energia elétrica de uma concessionária do Rio de Janeiro. Três diferentes metodologias são utilizadas na abordagem SSA: Análise de Componentes principais (ACP), ACP associado com Análise de Cluster e Análise Gráfica dos Vetores Singulares. MAPE, MAE, RMSE e R 2 são estatísticas usadas para testar o poder preditivo dos modelos. Os resultados mostram um maior poder preditivo do modelo quando aplicado a séries filtradas em conjunto com a técnica SSA.
International Journal of Energy and Statistics, 2013
The forecasting of electricity consumption and demand plays a pivotal role in electric power syst... more The forecasting of electricity consumption and demand plays a pivotal role in electric power systems planning. This paper proposes the combination of forecasts from two approaches with the aim of improving the forecasting accuracy, in order to make the best use of the installed transmission and generating capacity. In the first approach, the consumption time series is decomposed by wavelet analysis and a Box-Jenkins model is fitted to each wavelet component, following which the individual components forecasts are added to compute the total consumption forecast. The alternative approach, uses the Singular Spectrum Analysis technique to model the consumption time series in order to shrink the noise level. Thereafter, the Box-Jenkins model is used to forecast the filtered time series, producing a second forecast for the consumption series. Eventually, the two forecasts are combined geometrically in order to minimize the mean square error. The proposed methodology is illustrated by a computational experiment with the time series of residential consumption of electricity in Brazil.
International Journal of Energy and Statistics, 2013
The aim of this paper is to propose a new methodology for hydroelectric energy forecasting. A new... more The aim of this paper is to propose a new methodology for hydroelectric energy forecasting. A new approach for selection of the number of eigenvalues in SSA is also proposed. In this paper it is proposed the hierarchical clustering associated to PCA and integrated to ARIMA models. The proposed approach is applied to forecast the affluent flow in a hydroelectric plant located at Parana River Basin, Brazil. As a matter of fact, modeling such series is quite important for the optimal dispatch of the energy generation in Brazil due to the heavy participation of hydro plants in the country (over 85% of the generated energy comes from hydro plants).
Journal of Systems Science and Complexity, 2014
ABSTRACT Singular spectrum analysis (SSA) is a technique that decomposes a time series into a set... more ABSTRACT Singular spectrum analysis (SSA) is a technique that decomposes a time series into a set of components, such as, trend, harmonics, and residuals. Leaving out the residual components and adding up the others, the time series can be smoothed. This procedure has been used to model Brazilian electricity consumption and flow series. The PAR(p), periodic autoregressive models, has been broadly used in modelling energy series in Brazil. This paper presents an approach of this decomposition method, by fitting the PAR(p), considering its multivariate version known as multivariate SSA (MSSA). The method was applied to a vector of two wind speed series recorded at two locations in the Brazilian Northeast region. The obtained results, when compared to the univariate decomposition of each series, were far superior, showing that the spatial correlation between the two series were considered by MSSA decomposition stage.
We study a class of cellular automata, that is random oper- ators acting on normed measures on th... more We study a class of cellular automata, that is random oper- ators acting on normed measures on the space {0,...,m} ZZ d which can be presented as superpositions FrD, where D is a monotonic deterministc oper- ator with uniform local interaction and Fr turns every component into the maximal state m with probability r independently from fate of other com- ponents. We call an island any configuration, whose set of components with non-zero state is finite, but not empty. We assume that D transforms the configuration "all zeros" into itself and say that D erodes an island x if there is t such that D t x ="all zeros". We say that D is an eroder if it erodes all is- lands. We say that D is a linear eroder if D erodes any island in a time which does not exceed a linear function of diameter of this island. Two special cases have been studied before: one with m = 1 and another with d = 1. In both cases necessary and sufficient conditions for an eroder have been presented an...
DYNA, 2015
Singular Spectrum Analysis (SSA) is a non-parametric technique that allows the decomposition of a... more Singular Spectrum Analysis (SSA) is a non-parametric technique that allows the decomposition of a time series into signal and noise. Thus, it is a useful technique to trend extraction, smooth and filter a time series. The effect on performance of both Box and Jenkins' and Holt-Winters models when applied to the time series filtered by SSA is investigated in this paper. Three different methodologies are evaluated in the SSA approach: Principal Component Analysis (PCA), Cluster Analysis and Graphical Analysis of Singular Vectors. In order to illustrate and compare the methodologies, in this paper, we also present the main results of a computational experiment with the monthly residential consumption of electricity in Brazil.
We study a class of cellular automata, that is random oper- ators acting on normed measures on th... more We study a class of cellular automata, that is random oper- ators acting on normed measures on the space {0,...,m}ZZ d which can be presented as superpositions FrD, where D is a monotonic deterministc oper- ator with uniform local interaction and Fr turns every component into the maximal state m with probability r independently from fate of other com- ponents.
Anais do XVII Simpósio de Pesquisa Operacional e Logística da Marinha, 2014
Resumo: Singular Spectrum Analysis (SSA) é uma técnica não-paramétrica que permite decompor uma s... more Resumo: Singular Spectrum Analysis (SSA) é uma técnica não-paramétrica que permite decompor uma série temporal em sinal e ruído. É uma técnica útil para filtrar dados de séries temporais. Neste artigo, os modelos Box & Jenkins e Holt-Winters são testados com e sem a abordagem SSA para a modelagem de uma série temporal de consumo residencial mensal de energia elétrica de uma concessionária do Rio de Janeiro. Três diferentes metodologias são utilizadas na abordagem SSA: Análise de Componentes principais (ACP), ACP associado com Análise de Cluster e Análise Gráfica dos Vetores Singulares. MAPE, MAE, RMSE e R 2 são estatísticas usadas para testar o poder preditivo dos modelos. Os resultados mostram um maior poder preditivo do modelo quando aplicado a séries filtradas em conjunto com a técnica SSA.
Anais do XVII Simpósio de Pesquisa Operacional e Logística da Marinha, Aug 1, 2014
A análise espectral singular (SSA-Singular Spectrum analysis) é uma técnica que decompõe uma séri... more A análise espectral singular (SSA-Singular Spectrum analysis) é uma técnica que decompõe uma série temporal em um conjunto de componentes tais como tendência, harmônicos e ruídos. Deixando de fora as componentes ruidosas e somando as outras, a série temporal pode ser suavizada. O modelo autorregressivo periódico PAR(p) vem sendo amplamente utilizado em modelagem de séries de Energia Natural Afluente. Este artigo apresenta uma abordagem deste método de decomposição, na qual a modelagem PAR (p) é aplicada na série suavizada obtida pela SSA e por sua versão multivariada, denominada MSSA. Para ilustrar a aplicação da metodologia proposta, foram consideradas séries de velocidade do vento registradas em duas localidades na região Nordeste do Brasil. Os resultados obtidos mostram que a modelagem PAR(p) é beneficiada pela suavização prévia da série temporal por SSA/MSSA.
Uploads
Papers by Moises Lima De Menezes