Relatório Anual dos Docentes

(1)

(2)

[4] Gámiz-Fortis, S. R., Esteban-Parra, M. J., Castro-Diez, Y., 2012. Advances in Streamflow Prediction: A Multimodel Statistical Approach for Application on Water Resources Management. Site: http://www.intechopen.com/books/climate-models.

[5] GISTATGROUP, 2010. Caterpillar SSA. Petersburg University. Department of Mathematics. Russia. Site: http://www.gistatgroup.com/cat/index.html.

[6] Golyandina, N., Nekrutkin, V., Zhihgljavsky, A., 2001. Analysis of time series structure: SSA and reletade techniques. Chapman&Hall/CRC. New York, USA.

[7] Hamilton, J., 1994. Time Series Analysis. Princeton University Press.

[8] Hassani, H., 2007. Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science 5, 239-257.

[9] Kubrusly, C. S., 2001. Elements of Operator Theory. Birkhäuser, Boston.

[10] Morettin, P.A., Toloi, L.M.C, 2006. Análise Séries Temporais, 2ª Ed. ABE. Projeto Fisher. Editora: Edgard Blucher.

[11] Vasconcelos, S., 2011. Análise de Componentes Principais. Site: http://www.ic.uff.br/~aconci/PCA-ACP.pdf.

[12] Terry, L.A., Pereira, M.V.F., Silva, L.F. Sales, P.R., Araripe N. T.A., 1986. Coordinating the Energy Generation of the Brazilian System. Interfaces Special lssue.

DEPARTAMENTO DE ESTATÍSTICA

MODELAGEM BOX & JENKINS, DECOMPOSIÇÃO WAVELET E PROGRAMAÇÃO MATEMTICA NA GERAÇÃO DE PREVISÕES

BRASIL

CONGRESSO CIENTÍFICO - TRABALHO APRESENTADO

[1]. Bates, J.M., Granger, C.W.J (1969). Combination Forecasts. Operations Research Quarterly.

[2]. Box, G.E.P., Jenkins, G.M (1976). Time Series Analysis Forecasting and Control. Ed. San Francisco: Holden-Day.

[3]. Daubechies, I. (1988) Orthonormal Bases of Compactly Supported wavelets. Comm. Pure and Applied Math., 41, pp.909-996.

[4]. Flores, B.E., White, E.M (1988). A Framework for the Combination of Forecasts, Journal Academic Marketing Science, v.16, (3-4), p-95-103.

[5]. Hamilton, J (1994). Time Series Analysis. Princeton University Press.

[6]. Junior, L. A. T (2009). Combinação Geométrica de Métodos Preditivos; Aplicação à Série de Consumo Residencial de Energia Elétrica. Dissertação de Mestrado. PUC-Rio.

[7]. Junior, L. A. T, Pessanha, J. F. M., Souza, R. C. (2011). Análise wavelet e Redes Neurais Artificiais na Previsão de Velocidade de Vento. XVII Simpósio Brasileiro de Pesquisa Operacional, Ubatuba, Brasil. Site:

http://www.xliiisbpo.iltc.br/pdf/87357.pdf

[8]. Junior, L. A. T, Pessanha, J. F. M., Souza, R. C. (2011). Combinação Linear de Previsões com Ajuste MINIMAX. XIV Simpósio de Pesquisa Operacional e Logística da Marinha, Rio de Janeiro, Brasil.

[9]. Levan N., Kubrusly, C. S, (2003). A wavelet ¿Time-Shift-Detail¿ Decomposition. Mathematics and Computers in Simulation 63, 73-78.

[10]. Kubrusly, C. S. (2001). Elements of Operator Theory. Birkhäuser. Boston.

[11]. Kubrusly, C. S., Levan, N. (2006). Abstract wavelets Generated by Hilbert Space Shift Operators. Adv. Math. Sci. Appl. 14, 643-660.

PROBABILIDADE E ESTATISTICA APLICADAS

Produto :

Área de Referência Ano de publicação: 2012 PORTUGUÊS Idioma: Título do produto: Projeto: Departamento: País: Tipo de produto:

2

Perfil : Participante

(3)

[12]. Kubrusly, C. S., Levan N. (2002), Dual-Shift Decomposition of Hilbert Space. Semigroups of Operators: Theory and Application 2, 145-157.

[13]. Lei, C. & Ran, L. (2008). Short-term Wind Speed Forecasting Model for Wind Farm Based on wavelet Decomposition DRPT, Nanjing, China, pp 2525-2529

[14]. Maceira, M.E.P. (1989) Operação Ótima de Reservatórios com Previsão de Afluências Dissertação de Mestrado. Coordenação dos Programas de Pós-Graduação de Engenharia da Universidade Federal do Rio de Janeiro, Brasil.

[15]. Mallat S. (1998), A wavelet Tour of Signal Processing. Academic Press. San Diego.

[16]. Morettin, P.A., Toloi, L.M.C (2006). Análise Séries Temporais, 2ª Ed. ABE. Projeto Fisher. Editora: Edgard Blucher.

[17]. Newbold, P., and Granger, C.W. J. (1974). Experience with Forecasting Univariate Times Series and the Combination of Forecasts. Journal of the Royal Statistical Society. V.137, pp.131-165.

[18]. Ogden, R.T. (1997), Essential wavelets for Statistical Applications and Data Analysis, Birkhäuser, Boston.

[19]. Oliveira, l.S. (2005).Uma Contribuição ao Estudo dos Métodos de Otimização Multi-objetivo. Dissertação de Mestrado. Universidade Federal de Uberlândia. Uberlândia, Brasil.

[20]. ONS - Operador Nacional do Sistema Elétrico. Site:http://www.ons.com.br.

[21]. Souza, R.C., Camargo, M.E (1996). Análise e Previsão de Séries Temporais: Os Modelos ARIMA. Ijuí: SEDIGRAF.

[22]. Winkler, R.L., Makridakis, S (1983). The combination of Forecasting, Journal of the Royal Statistical Society, series A, v.146, 1983, p.150-157.

REDES NEURAIS ARTIFICIAIS E WAVELET NA PREVISÃO DA RADIAÇÃO SOLAR DIRETA

BRASIL

[1]. Cao, S.; Weng, W.; Chen, J.; Liu, W.; Yu, G.; Cao, J. (2009). Forecast of Solar Irradiance Using Chaos Optimization Neural Networks, Power and Energy Engineering Conference,Wuhan, March.

[2]. Chaabene, M.; Ben Ammar, M. (2008). Neuro-fuzzy dynamic model with Kalman ¿lter to forecast irradiance and temperature for solar energy systems, Renewable Energy, 33, pp. 1435-1443.

[3]. Daubechies, I. (1988) Orthonormal Bases of Compactly Supported Wavelets. Comm. Pure and Applied Math., 41, pp.909-996.

[4]. Deng, F.; Su, G.; Liu, C.; Wang, Z. (2010). Global Solar Radiation Modeling Using The Artifical Neural Network Technique, Power and Energy Engineering Conference, Chengdu, March.

[5]. Faria, D.L., Castro, R., Philippart, C., Gusmão, A. (2009), Wavelets Pre-Filtering in Wind Speed Prediction, International Conference on Power Engineering, Energy and Electrical Drives, POWERENG, Lisboa, Portugal. [6]. Haykin, S. (2001), Redes Neurais Princípios e Aplicações, segunda edição, Porto Alegre.

[7]. Junior, L. A. T.; Pessanha, J. F. M. ; Souza, R.C. (2011). Análise wavelet e redes neurais artificiais na previsão da velocidade de vento. In: XLIII Simpósio Brasileiro de Pesquisa Operacional, 2011, Ubatuba.

[8]. Kubrusly, C. S. (2001), Elements of Operator Theory. Birkhäuser, Boston.

[9]. Kubrusly, C. S., Levan N. (2002), Dual-Shift Decomposition of Hilbert Space. Semigroups of Operators: Theory and Application 2, 145-157.

[10]. Lei, C. & Ran, L. (2008), Short-term wind speed forecasting model for wind farm based on wavelet decomposition DRPT, Nanjing, China, pp 2525-2529

[11]. Levan N., Kubrusly, C. S, (2003), A Wavelet ¿Time-Shift-Detail¿ Decomposition. Mathematics and Computers in Simulation 63, 73-78.

[12]. Mallat S. (1998), A Wavelet Tour of Signal Processing, Academic Press, San Diego.

[13]. Ogden, R.T. (1997), Essential wavelets for statistical applications and data analysis, Birkhäuser, Boston.

[14]. Perdomo, R.; Banguero, E.; Gordillo, G. (2010). Statistical modeling for global solar radiation forecasting in Bogotá, Photovoltaic Specialists Conference, Honolulu, June.

[15]. Rocha Reis, A. J. & Alves da Silva, A. P. (2004). Aplicação da transformada wavelet discreta na previsão de carga de curto prazo via redes neurais, Sba Controle & Automação vol.15 nº1, Campinas Jan. / Mar.

[16]. Wittmann, M.; Breitkreuz, H.; Schroedter-Homscheidt, S.; Eck, M. (2008). Case studies on the use of solar PROBABILIDADE E ESTATISTICA APLICADAS

Produto :

3 5/2/13 10:40 AM

(4)

irradiance forecast for optimized operation strategies of solar thermal power plants, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 1, no 1, march, pp-18-27.

[17]. Yanling, G.; Changzheng, C.; Bo, Z. (2012). Blind source separation for forecast of solar irradiance, Intelligent System Design and Engineering Application, Sanya, China, January.

[18]. Yona, A.; Senjyu, T. (2009). One-Day-Ahead 24-Hours Thermal Energy Collection Forecasting Based on Time Series Analysis Technique for Solar Heat Energy Utilization System, Transmission & Distribution Conference & Exposition, Seoul, October.

[19]. Zervas, P.L.; Sarimveis, H.; Palyvos, J.A.; Markatos, N.C.G. (2008). Prediction of daily global solar irradiance on horizontal surfaces based on neural-network techniques, Renewable Energy, 33, pp 1796-1803.

[20]. Zhang, N.; Behera, P.K. (2012). Solar radiation prediction based on recurrent neural networks trained by Levenberg-Marquardt backpropagation learning algorithm, Innovative Smart Grid Technologies, Washington, January.

[21]. Zhou, H,; Sun, W.; Liu, D,; Zhao, J.; Yang, N. (2011). The research of daily total solar-radiation and prediction method of photovoltaic generation based on wavelet-neural network, Power and Energy Engineering Conference, Wuhan, March.

ANÁLISE ESPECTRAL SINGULAR, TEORIA WAVELET E REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE VELOCIDADE DO VENTO

BRASIL

[1] AMARANTE, O.A.C., Brower, M., Zack, J.,Sá, A.L. Atlas do potencial eólico brasileiro, Centro de Pesquisas de Energia Elétrica, Brasília, 2001.

[2] CUSTÓDIO, R. S. Energia eólica para a produção de energia elétrica. Eletrobrás, Rio de Janeiro, 2009.

[3] DAUBECHIES, I. Orthonormal bases of compactly supported wavelets. Comm. Pure and Applied Math., 41, pp.909-996, 1988.

[4] FERNANDES, C. Notas de aula análise de séries financeiras, PUC-RIO, 2006.

[5] GOLYANDINA, N., Nekrutkin, V., Zhihgljavsky, A. Analysis of time series structure: SSA and reletade techniques. Chapman & Hall/CRC. New York, USA,2001.

[6] HAYKIN, S. Redes neurais princípios e aplicações, segunda edição, Porto Alegre, 2001.

[7] HASSANI, H.Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science 5, 239-257,2007. [8] KHAN, A.A., Shahidehpour, M. one day ahead wind speed forecasting using wavelets, Power Systems Conference and Exposition, IEEE/PES, Seattle, USA, 2009.

[9] KUBRUSLY, C. S. Elements of operator theory. Birkhäuser, Boston, 2001.

[10] KUBRUSLY, C. S, Levan N. Dual-shift decomposition of Hilbert space. Semigroups of Operators: Theory and Application 2, 145-157, 2002.

[11] LEVAN, N., Kubrusly, C. S.A wavelet ¿time-shift-detail¿ decomposition. Mathematics and Computers in Simulation 63, 73-78, 2003.

[12] MALLAT,S. A wavelet tour of signal processing, Academic Press, San Diego, 1998.

[13] OGDEN,R.T. Essential wavelets for statistical applications and data analysis, Birkhäuser, Boston, 1997.

[14]PISON, P., Kariniotakis, G.N. Wind power forecasting using fuzzy neural networks enhanced with on-line prediction risk assessment, IEEE Bologna PowerTech Conference, Bologna, Italy, 2003.

[15] WWEA ¿ WORD WIND ENERGY ASSOCIATION, World wind energy report 2010, Bonn, Germany, February, 2011. PROBABILIDADE E ESTATISTICA APLICADAS

Produto :

4

(5)

SSA, HIERARCHICAL CLUSTERING AND ARIMA MODEL IN FORECAST OF AFFLUENT FLOW

ESTADOS UNIDOS(USA)

Custodio, R. S. (2009). Energia Eólica para a Produção de Energia Elétrica. Eletrobrás. Rio de Janeiro.

Daubechies, I. (1988). Orthonormal Bases of Compactly Supported Wavelet.Comm. Pure and Applied Math., 41, pp. 909-996.

Elsner, J. B., and Tsonis, A. A. (1996). Singular Spectrum Analysis. A New Tool in Time Series Analysis. Plenum Press, New York.

Golyandina, N., Netrutkin, V., and Zhigljavsky, A. (2001). Analysis of Time Series Structure: SSA and Related Techniques. Chapman & Hall / CRC. New York -London.

Hamilton, J. (1994). Time Series Analysis. PrincetonUniversity Press.

Haykin, S. (2001). Redes Neurais Princípios e Aplicações. Segunda Edição. Porto Alegre.

Hassani, H. (2007). Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science.5, 239-257.

Junior, L. A. T, Pessanha, J. F. M., and Souza, R. C.(2011). Análise Wavelet e Redes Neurais Artificiais na Previsão de Velocidade de Vento. XVII Simpósio Brasileiro de Pesquisa Operacional, Ubatuba, Brasil. Available at

Khan, A. A., and Shahidehpour, M., (2009). One DayAhead Wind Speed Forecasting using Wavelets. Power Systems Conference and Exposition, IEEE/PES, Seattle, USA.

Kubrusly, C. S. (2001). Elements of Operator Theory. Birkhauser, Boston.

Kubrusly, C. S., and Levan, N. (2006). Abstract Wavelets Generated by Hilbert Space Shift Operators. Adv. Math. Sci. Appl. 14, 643-660.

Lei, C., and Ran, L. (2008). Short-term wind speed forecasting model for wind farm based on wavelet decomposition DRPT. Nanjing. China, pp 2525-2529

Levan, N., and Kubrusly, C. S. (2003). A Wavelet Time-Shift-Detail Decomposition. Mathematics and Computers in Simulation. 63, 73-78.

Mallat, S. (1998). A Wavelet Tour of Signal Processing. Academic Press, San Diego.

Pinson, P., and Kariniotakis, G.N. (2003). Wind Power Forecasting using Fuzzy Neural NetworksEnhanced with On-line Prediction Risk Assessment. IEEE Bologna Power Tech Conference. Bologna, Italy.

WWEA - World Wind Energy Association (2010).World Wind Energy Report 2009.Bonn, Germany, February. PROBABILIDADE E ESTATISTICA APLICADAS

Produto :

Área de Referência Ano de publicação: 2012 INGLÊS Idioma: Título do produto: Projeto: Departamento: País: Tipo de produto:

5 5/2/13 10:40 AM

(6)

ARTIFICIAL NEURON NETWORKS INTEGRATED WITH SINGULAR SPECTRUM ANALYSIS AND WAVELET THEORY IN THE SHORT-TERM WIND-POWER FORECASTING

PORTUGAL

Produto :

6

(7)

STREAMFLOW FORECASTING USING SINGULAR SPECTRUM ANALYSIS, ARIMA MODEL AND ARTIFICIAL NEURAL NETWORK

ESTADOS UNIDOS(USA)

Haykin, S. (2001). Redes Neurais Princípios e Aplicações. Segunda Edição. Porto Alegre. Hassani, H. (2007). Singular Spectr

um Analysis: Methodology and Comparison. Journal of Data Science.5, 239-257.

Produto :

7 5/2/13 10:40 AM

(8)

GEOMETRIC COMBINATION OF BOX AND JENKINS' MODELS INTEGRATED WITH SINGULAR SPECTRUM ANALYSIS

CHINA CONTINENTAL

[1] Armstrong, S. J. (2004). Principles of Forecasting: A handbook for Researchers and Practitioners. Massachusetts: Eletronic Services available at http://www.wkap.nl

[2] Bates, J. M., and Granger, C. W. J.. (1969). Combination Forecasts. Operation Research Quarterly.

[3] Box, G. E. P., and Jenkins, G. M. (1976). Time Series Analysis: Forecasting and Control. Holden-Day.

[4] Daubechies, I. (1988). Orthonormal Bases of Compactly Supported Wavelet. Comm. Pure and Applied Math., 41, pp. 909-996.

[5] Elsner, J. B., and Tsonis, A. A. (1996). Singular Spectrum Analysis. A New Tool in Time Series Analysis. . Plenum Press, New York.

[6] Faria, A. E., and Mubwandarika, E. (2008). Multimodality on the Geometric Combination of Bayesian Forecasting Models. International Journal of Statistics and Management System. 3, 1-25.

[7] Golyandina, N., Netrutkin, V., and Zhigljavsky, A. (2001). Analysis of Time Series Structure: SSA and Related Techniques. Chapman & Hall / CRC. New York - London.

[8] Hamilton, J. (1994). Time Series Analysis. Princeton University Press.

[9] Hassani, H. (2007). Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science. 5, 239-257.

[10] Junior, L. A. T (2009). Combinac¸ ¿ao Geom´etrica de

Métodos Preditivos; Aplicaç ¿ao à Série de Consumo Residencial de Energia Elétrica. Disserta¸c¿ao de Mestrado. PUC-Rio.

[11] Junior, L. A. T, Pessanha, J. F. M., and Souza, R. C. (2011). An´alise Wavelet e Redes Neurais Artificiais na Previs¿ao de Velocidade de Vento. XVII Simp´osio

Brasileiro de Pesquisa Operacional, Ubatuba, Brazil. Available at http://www.xliiisbpo.iltc.br/pdf/87357.pdf

[12] Junior, L. A. T, Pessanha, J. F. M., and Souza, R. C. (2011). Combinação Linear de Previsões com Ajuste MINIMAX. XIV Simpósio de Pesquisa Operacional e Log´¿stica da Marinha, Rio de Janeiro, Brazil.

[13] Kubrusly, C. S. (2001). Elements of Operator Theory. Birkh¨auser, Boston.

[14] Kubrusly, C. S., and Levan, N. (2006). Abstract Wavelets Generated by Hilbert Space Shift Operators. Adv. Math. Sci. Appl. 14, 643-660.

[15] Levan, N., and Kubrusly, C. S. (2003). A Wavelet Time-Shift-Detail Decomposition. Mathematics and Computers in Simulation. 63, 73-78.

[16] Mallat, S. (1998). A Wavelet Tour of Signal Processing. Academic Press, San Diego.

[17] Newbold, P., and Granger, C.W. J. (1974). Experience with Forecasting Univariate Times Series and the Combination of Forecasts. Journal of the Royal Statistical Society. V.137, pp.131-165.

PROBABILIDADE E ESTATISTICA APLICADAS

Produto :

8

(9)

[18] Wang, X., and McDonald, J. R. (1994). Modern Power System Planning. McGraw Hill.

ARIMA MODEL, NEURAL NETWORKS AND SSA IN THE SHORT TERM ELECTRIC LOAD FORECAST

ESTADOS UNIDOS(USA)

Produto :

9 5/2/13 10:40 AM

(10)

DEPARTAMENTO DE BIOLOGIA MARINHA

ISOLATED AND SYNERGISTIC EFFECTS OF CHEMICAL AND STRUCTURAL DEFENSES OF TWO SPECIES OF TETHYA (PORIFERA: DEMOSPONGIAE)

ESTADOS UNIDOS(USA)

ARTIGO EM PERIÓDICO INTERNACIONAL COM CORPO EDITORIAL

TITULO-DO-PERIODICO-OU-REVISTA:Journal of Sea Research (Den Burg. Print) ISSN:13851101 VOLUME:68 FASCICULO: SERIE: PAGINA-INICIAL:57 PAGINA-FINAL:62 LOCAL-DE-PUBLICACAO: CIENCIAS BIOLOGICAS

Produto :

10

DEPARTAMENTO DE ENFERMAGEM MÉDICO CIRÚRGICA

Cuidados continuados de enfermagem segundo Virginia Henderson à idosos em situações: quase-experimento

BRASIL

CONGRESSO CIENTÍFICO - RESUMO PUBLICADO

CLASSIFICACAO-DO-EVENTO:NACIONAL

NOME-DO-EVENTO:9ª Jornada Brasileira de Enfermagem Geriátrica e Gerontológica CIDADE-DO-EVENTO:Fortaleza-CE

ANO-DE-REALIZACAO:2012

TITULO-DOS-ANAIS-OU-PROCEEDINGS:Anais do 9ª Jornada Brasileira de Enfermagem Geriátrica e Gerontológica VOLUME: FASCICULO: SERIE: PAGINA-INICIAL: PAGINA-FINAL: NOME-DA-EDITORA: CIDADE-DA-EDITORA: ENFERMAGEM MEDICO-CIRURGICA

Produto :

11

Carga Horária Anual

Atividade Instituição Nível Instrutor Aprendizado

Qualificação

Apresentação de dois trabalhos no XV S P O L M ( S i m p ó s i o d e P e s q u i s a Operacional da Marinha - Defesa e Desenvolvimento Sustentável da Amazônia Azul).

Artigos apresentados:

Remoção de Ruídos de Séries

CENTRO DE ANÁLISES DE SISTEMAS NAVAIS

(11)

Carga Horária Anual

Atividade Instituição Nível Instrutor Aprendizado

Temporais

Através de Análise Espectral Singular;

Modelagem Box & Jenkins, Decomposição Wavelet e Programação Matemática na G e r a ç ã o d e P r e v i s õ e s ( A R T G O P R E M I A D O E M 1 o . L U G A R E M P E S Q U I S A O P E R A C I O N A L ) .

Apresentação de trabalho no XLIV SBPO ( S i m p ó s i o B r a s i l e i r o d e P e s q u i s a O p e r a c i o n a l ) .

Artigo Apresentado:

"REDES NEURAIS ARTIFICIAIS E NA PREVISÃO DA RADIAÇÃO SOLAR DIRETA"

SOCIEDADE BRASILEIRA DE PESQUISA OPERACIONAL

DOUTORADO 20 20