Texto completo
| |
| Autor(es): |
Nicole Santos e Aguiar
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | Campinas, SP. |
| Instituição: | Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação |
| Data de defesa: | 2019-12-11 |
| Membros da banca: |
Fernando José Von Zuben;
Mateus Giesbrecht;
Guilherme Palermo Coelho
|
| Orientador: | Fernando José Von Zuben |
| Resumo | |
O principal objetivo deste trabalho é apresentar uma abordagem multitarefa, eficiente e automática para estimar limiares de uma distribuição generalizada de Pareto, visando uma previsão de alto desempenho de extremos em várias séries temporais de precipitação. Com base na teoria dos valores extremos, as únicas informações usadas para modelar uma distribuição de cauda pesada por estimação por máxima verossimilhança são fornecidas pelas amostras da série temporal que excedem um limiar definido pelo usuário. Essa abordagem sofre de duas desvantagens fundamentais: (1) a subjetividade na definição do limiar, mesmo quando se recorre a alguma orientação gráfica; (2) a natureza esparsa inerente das amostras acima do limiar, que, por definição, pertecem à cauda da distribuição. A proposta aqui apresentada para aprendizado multitarefa cria automaticamente um relacionamento hierárquico entre as tarefas de predição e usa uma validação cruzada aninhada para automatizar a escolha dos limiares mais indicados. Dada a relação hierárquica obtida entre as tarefas de predição, o aprendizado multitarefa explora os dados de várias tarefas de predição relacionadas para uma estimativa de máxima verossimilhança dos parâmetros que caracterizam a distribuição generalizada de Pareto mais robusta. A metodologia proposta foi aplicada em séries temporais de precipitação da América do Sul e sua performance foi comparada a um método de aprendizado monotarefa e à abordagem gráfica tradicional, indicando uma melhoria consistente de desempenho. Outra vantagem da abordagem é a possibilidade de realizar uma interpretação qualitativa da relação hierárquica obtida entre as tarefas, quando associada às localizações geográficas das séries temporais de precipitação (AU) | |
| Processo FAPESP: | 18/09887-1 - Uma abordagem multitarefa para a predição de precipitações extremas |
| Beneficiário: | Nicole Santos e Aguiar |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |