Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/15470
Título: Sistemas evolutivos baseados em regras para previsão de séries temporais meteorológicas
Título(s) alternativo(s): Rule-based evolving systems for weather time series prediction
Autores: Leite, Daniel Furtado
Costa Júnior, Pyramo
Costa, Bruno Sielly Jales
Palavras-chave: Aprendizado de máquina
Nuvens de dados
Sistemas inteligentes evolutivos
Previsão de séries temporais
Fluxo de dados online
Machine learning
Data clouds
Evolving intelligent systems
Weather time series prediction
Online data stream
Data do documento: 5-Out-2017
Editor: Universidade Federal de Lavras
Citação: SOARES, E. A. Sistemas evolutivos baseados em regras para previsão de séries temporais meteorológicas. 2017. 75 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação)-Universidade Federal de Lavras, Lavras, 2017.
Resumo: This work considers evolving intelligent methods for weather time series prediction. We evaluate the methods evolving Takagi-Sugeno (eTS), eXtended Takagi-Sugeno (xTS), Dynamic Evolving Neural Fuzzy Inference System (DENFIS), Fuzzy-Set Based evolving Modeling (FBeM), and a variation of cloud-based intelligent method known as typicality-and-eccentricity-based method for data analysis (TEDA). The objective is to develop data-centric nonlinear and timevarying models to predict mean monthly temperature. Past values of minimum, maximum and mean monthly temperature, as well as previous values of exogenous variables such as cloudiness, rainfall and humidity are considered in the analysis. A non-parametric Spearman correlation based method is proposed to rank and select the most relevant features and time delays for a more accurate prediction. The datasets were obtained from weather stations located in main Brazilian cities such as Sao Paulo, Manaus, Porto Alegre, and Natal. These cities are known to have particular weather characteristics. Additionally, an ensemble of cloud and fuzzy models and fuzzy aggregation operators is developed to give single-valued and granular predictions of the time series. Granular predictions convey a range of possible temperature values. Therefore, it provides a notion about the error and uncertainty associated with the single-valued predictions.
URI: repositorio.ufla.br/jspui/handle/1/15470
Aparece nas coleções:Engenharia de Sistemas e automação (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Sistemas evolutivos baseados em regras para previsão de séries temporais meteorológicas.pdf1,33 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.