[pt] MODELAGEM ESTATÍSTICA ESPARSA COM APLICAÇÕES EM ENERGIA RENOVÁVEL E PROCESSAMENTO DE SINAIS

• Ano de defesa: 2015
• Autor(a) principal: MARIO HENRIQUE ALVES SOUTO NETO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] ENERGIA EOLICA; [pt] PEQUENA CENTRAL HIDRELETRICA; [pt] MONITORAMENTO DE FIBRA OPTICA; [pt] MODELAGEM DE ENERGIA RENOVAVEL; [pt] PROCESSAMENTO DE SINAIS ESPARSOS; [pt] REGULARIZACAO; [pt] LASSO; [pt] ESTATISTICA EM ALTA DIMENSAO; [en] WIND ENERGY; [en] SMALL HYDROELECTRIC POWER PLANT; [en] OPTICAL FIBER MONITORING; [en] REGULARIZATION; [en] LASSO
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=24980&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=24980&idi=2; http://doi.org/10.17771/PUCRio.acad.24980

[pt] Motivado pelos desafios de processar a grande quantidade de dados disponíveis, pesquisas recentes em estatística tem sugerido novas técnicas de modelagem e inferência. Paralelamente, outros campos como processamento de sinais e otimização também estão produzindo métodos para lidar problemas em larga escala. Em particular, este trabalho é focado nas teorias e métodos baseados na regularização l1. Após uma revisão compreensiva da norma l1 como uma ferramenta para definir soluções esparsas, estudaremos mais a fundo o método LASSO. Para exemplificar como o LASSO possui uma ampla gama de aplicações, exibimos um estudo de caso em processamento de sinal esparso. Baseado nesta idea, apresentamos o l1 level-slope filter. Resultados experimentais são apresentados para uma aplicação em transmissão de dados via fibra óptica. Para a parte final da dissertação, um novo método de estimação é proposto para modelos em alta dimensão com variância periódica. A principal ideia desta nova metodologia é combinar esparsidade, induzida pela regularização l1, com o método de máxima verossimilhança. Adicionalmente, esta metodologia é utilizada para estimar os parâmetros de um modelo mensal estocástico de geração de energia eólica e hídrica. Simulações e resultados de previsão são apresentados para um estudo real envolvendo cinquenta geradores de energia renovável do sistema Brasileiro.