TIME SERIES

Autor: OCAÑA PEINADO FRANCISCO.
Jahr: 2004.
Universität: GRANADA.
Ort der Lesung: CENTRO DE INSTUMENTACIÓN CINETÍFICA.
Ort der Vorbereitung: FACULTAD DE FARMACIA.

Inhaltsangabe: Die Einführung in 1970 der ARIMA Modelle in die Arbeit der Ingenieure EPG Box und GM Jenkins, von der Arbeit, die in den letzten zehn Jahren wurde ein neuer Ansatz in der Behandlung der Zeitreihen, wie sie sich das klassische Konzept, in dem die Serie im Einklang Mit einem bestimmten Muster oder einen Trend, deren Abfahrten wurden in den Mittelpunkt der Analyse dieser neuen metología davon aus, dass das grundlegende Werkzeug für die Modernisierung und der Analyse wurden lals Korrelationen zwischen Zufallsvariablen serielle. Trotz der Einschränkungen dieser Modelle (lineare Struktur, die vorübergehende dicreto, müssen lange historische Serie, usw.), ARIMA umgesetzt worden sind in vielen wissenschaftlichen Bereichen wie Ingenieurwissenschaften, der Wirtschaftswissenschaften, Behavioral Sciences, usw.. Als ein Instrument für die Vorhersage wirksam in kurzer Zeit. Die grundlegende Formulierung eines ARIMA ist denkbar, dass sich die Serie nach Studie entspricht einer zweiter Ordnung stochastischen Prozess (mit Momenten der ersten und zweiten Ordnung endliche), die die Antwort oder Ausgang eines linearen System oder eine Dynamik, dass Eingabe, wenn Weiß Lärm, und der Transfer Funktion des Filters Verhältnis von zwei Polynomen vom Grad endliche, dh Sound. In dem Text der Box und Jenkins, die eine Generation von diesen Modellen univariaten den Fall, in dem die Variable Reaktionszeit erklärt werden können von einem oder mehreren Zufallsvariablen andere als weißes Rauschen, das heißt, schlägt die Ausweitung des Modells mehrere Regression für die Veranstaltung Dynamisch. Diese neue Formulierung gibt Anlass zu der so genannten Vorbilder von transfencia (MFT), oder sogar vor allem im Bereich ökonometrische Modelle regersión Dynamik. Die MFT besteht aus zwei Begriffen Zusatzstoffe, der erste Teil enthält die ausdrückliche von exogenen Variablen und der zweite, die den Prozess der Trägheit, die die zufälligen Störungen. Teil Begründung entstand zunächst mit einer Struktur von Verzögerungen linalmente verteilt, aus denen sie stammen die meisten kompakten Modelle im Hinblick auf die Verzögerungen rational verteilt (Pankratz, 1991. Otero, 1993). Da für den Prozess der Trägheit, die grundlegenden Bestandteil von denen folgt ein ARIMA Modell. Basierend auf der Zwänge vor der ARIMA kommentierte vor, diese These zielt auf die Entwicklung von Modellen besser geeignet, um die Partei ungeklärt, so dass die automatische Optimierung ihrer Kapazität und machen Sie mehr allgemeine Modelle. Insbesondere die Behandlung eingeführt basiert auf der Zersetzung des Prozesses der Trägheit in Bezug auf seine wesentlichen Komponenten, die beide von einer funktionalen und unaufdringlich, wie, wie in der Erinnerung, diesen Ansatz bietet ein genaueres Modell Predictive Ende. Die Dissertation hat drei Kapitel, wobei die erste sich die grundlegenden Konzepte MFT, ilustrándose mit einem Antrag an den Behavioral Sciences, in denen beide dynamische Modelle sind entwickelt worden, um erklären Symptome der Lupus erythematodes abhängig von der Belastung einer Gruppe von Patienten, die medizinische Protokoll über eine numerische Maßstab, und umgekehrt, wodurch sie klassifizieren, in drei Gruppen nach der Reihenfolge der Verzögerung teilweise erklärt. Das zweite Kapitel beschäftigt sich mit den obengenannten Themen ist es daher, den Prozess der Trägheit in Bezug auf die wichtigsten Komponenten von ihrer considerción als zweiter Ordnung stochastischen Prozess. Dies trägt zu einer gewissen Annäherung so hoch wie gewünscht, da sie neue Variablen zu ihrer Repräsentation zählbar. Die Wirksamkeit der Methode wird mit zwei Anwendungen, eine Art von Finanz-, entwickelt, die ein Modell zur Vorhersage der Entwicklung der IBEX35 aus dem Index SP5000 der New York Stock Exchange, und ein weiteres im Bereich der Umwelt für predecri die concenración Pollen Zypresse und Olivenöl Pollen von zwei Eingänge Alternative aber correlados einander, Temperatur und Sonnenstunden 8. Die ca. 38c pítulo dritte befasst sich mit der funktionalen Herangehensweise an das Problem, und nach der Einführung der grundlegenden Prinzipien Modelle CARMA, besondere Aufmerksamkeit zu widmen, um ein, ist die Version des MFT - Zeit Kontinuum, in der linearen stochastischen Systemen. Hier sind dasarrolla den Prozess der Trägheit im Hinblick auf die wesentlichen Komponenten wie zB Anzahl der Karhumen - loève erhalten Annäherungen Zeit kontinuierliche Optimierung dieser validándose Modellierung durch eine simulierte Beispiel.

Autor: ARAUJO DA COSTA ALEXANDRE.
Jahr: 2005.
Universität: POLITÉCNICA DE MADRID.
Ort der Lesung: E.T.S. INGENIEROS INDUSTRIALES.
Ort der Vorbereitung: E.T.S. ING. INDUSTRIALES.

Inhaltsangabe: Das Hauptziel dieser Arbeit ist die Entwicklung von Modellen und computergestützten Werkzeuge für die kurzfristige Vorhersage der Leistung von Windparks. Im Hinblick auf die Zwecke dieser Arbeit, "kurzfristig" ist als Vorhersage Horizont bis 2 oder 3 Tage in der Zukunft liegen, in Schritten von 1 bis 3 Stunden (Bereich der Integration Zeit Schritt). Die Modelle und Instrumente sind in erster Linie entwickelt, die darauf abzielen: Â Betriebssysteme integriert mit Windparks, so dass eine bessere Verwaltung von anderen Quellen (zum Beispiel die Planung von thermischen) und bemüht sich darum, die Befriedigung des Anspruchs, Â die Voraussetzungen für die Aushandlung von Der Wind in den Märkten täglich und eine elektrische Leistung; Â Planung einige Wartungsarbeiten in Windparks. Das endgültige Modell besteht aus zwei Untergruppen Modelle der verschiedenen Naturen: Modelle mathematische / statistische Modelle und physische / Wetter. Die mathematischen Modelle werden verwendet, um seine Fähigkeit zum Extrahieren von Informationen aus den Zeitreihen (gemessen in Echtzeit) von Windkraft und Windkraftanlagen für die mit solcherart dargebotener Informationen entstehen, erzeugen Schätzungen der hohe Korrelation in einer sehr kurzen Horizont Vorhersage, bis 6 oder 12 Stunden später . Hier, die "Korrelation" ist zu verstehen, in dem Sinne, streng statistischen "lineare Korrelation", so dass je höher die Korrelation zwischen dem Ausgang des Modells und der tatsächlichen Daten von einem Windpark, Die bessere Anpassung in einem solchen parametrischen Modell. Die Modelle mathematische / statistische getestet werden Art autoregresivo, Fuzzy-Logik und neuronale Netze. Im Gegenzug, physikalische Modelle sind auf der Grundlage von Schätzungen geostrophischen Wind (Vorhersagen der meteorologischen Zentren für Windkraftanlagen sofort außerhalb der planetarischen Grenzschicht). Diese Modelle verwenden statistische Korrekturen an dem Gesetz der cortadura Wind vertikalen Ebene Ekman, in Anbetracht der Komplexität der lokalen Orographie und der Grad der atmosphärischen Stabilität. Damit sind die Schätzungen der geostrophischen Wind sind "verschoben", um die Höhe der Türme anemométricas Windpark mit dem niedrigsten mögliche Fehler berücksichtigt. Darüber hinaus, die Auswirkungen der lokalen Orographie komplexer werden im Einzelnen für eine hohe Auflösung Gitter rund um den Standort des Windparks. Die physischen Modelle werden von den Geltungsbereich ihrer Vorhersagen, einen Horizont von bis zu 48 oder 72 Stunden. Ausgabe der endgültigen Modell ist eine Funktion des Outputs der Teilmodelle Mathematiker und Physiker. Durch die Anpassung der Parameter dieser Funktion wird auf einer adaptiven (aufgrund der dynamischen Veränderung dieser Parameter) durch statistische Werkzeuge.