Look-up in Google Scholar
Title: Modelagem computacional de dados estocásticos multivariáveis no espaço de estado de séries temporais e de sistemas dinâmicos por decomposição ortogonal
Other Titles: Modelado computacional de datos estocásticos multivariables en espacio de estados de series temporales y de sistemas dinámicos por descomposición ortogonal
Advisor(s): Pascoli Bottura, Celso
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.03
Issue Date: 15-Dec-2015
Institution: Universidade Estadual de Campinas
Abstract: Este trabajo trata en primer lugar el problema del modelado computacional en espacio de estados de datos de serie temporal multivariada a través de la teoría de realización estocástica; para este problema aplicamos el método de realización estocástica basado en el análisis de correlación canónica propuesto por Akaike. En segundo lugar, trata el problema del modelado computacional en espacio de estados de datos estocásticos de un sistema multivariable a través de la teoría de realización estocástica con entradas exógenas; para este problema de identificación se utilizó la técnica de descomposición ortogonal desarrollada por Picci y Katayama, en que los datos son descompuestos en sus componentes determinístico y estocástico a través de la proyección ortogonal de los datos en el espacio de Hilbert generado por las entradas exógenas y de la utilización de la proyección complementaria, respectivamente. Finalmente, se presentan aplicaciones numéricas a través de “Benchmarks” y sus resultados son analizados y evaluados.

Este trabalho trata em primeiro lugar do problema de modelagem computacional no espaço de estado de dados de série temporal multivariada através da teoria de realização estocástica; para este problema aplicamos o método da realização estocástica baseada na análise da correlação canônica proposta por Akaike. Em segundo lugar trata do problema de modelagem computacional no espaço de estado de dados estocásticos de sistema multivariável através da teoria da realização estocástica com entradas exógenas; para este problema de identificação utilizamos a técnica de decomposição ortogonal desenvolvida por Picci e Katayama, em que os dados são decompostos em suas componentes determinística e estocástica através da projeção ortogonal dos dados no espaço de Hilbert gerado pelas entradas exógenas e da utilização da projeção complementar, respectivamente. Finalmente, aplicações numéricas são apresentadas através de "Benchmarks" e seus resultados são analisados e avaliados.
Note: Descargue el texto completo en el repositorio institucional de la Universidade Estadual de Campinas: https://hdl.handle.net/20.500.12733/1627587
Discipline: Ingeniería Eléctrica en el área de Automatización
Grade or title grantor: Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação
Grade or title: Magíster en Ingeniería Eléctrica en el área de Automatización
Juror: Pascoli Bottura, Celso; Camino dos Santos, Juan Francisco; Giesbrecht, Mateus
Register date: 5-Jul-2023

Files in This Item:
File Description SizeFormat 
CharaguaJavierMA.pdf
  Restricted Access
Disertación (abierta en repositorio de origen)1.07 MBAdobe PDFView/Open Request a copy
Autorizacion.pdf
  Restricted Access
Autorización del registro194.1 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.