5. UNILATERAL MODIFICATION AND THE NATURE OF WTO COMMITMENTS AND
5.2 The Right to Unilaterally Modify Commitments Does Not Change the Binding
Nesta dissertação foram realizadas adaptações ao TSKM para a análise de séries temporais com um comportamento específico, buscando prover informações importantes para atividades de planejamento do setor elétrico. Recomenda-se a utilização do modelo para o estudo de séries temporais que apresentem comportamento similar às estudadas neste trabalho. Um exemplo é a análise de séries de consumo de potência reativa de um conjunto de subestações, onde pode-se prever a necessidade da instalação de bancos de capacitores no sistema.
71
Em se tratando de modificações ao algoritmo proposto, sugere-se a utilização de mais níveis de decisão na definição dos símbolos, de maneira que possam contribuir na identificação de outros comportamentos importantes para a análise de séries de consumo de energia elétrica.
Outra sugestão é a utilização de outros algoritmos na identificação dos níveis de conhecimento. A utilização de outros algoritmos de clustering, tais como o k-means e o Mapa de Kohonen para a definição dos Aspectos. Na definição dos Acordes pode-se utilizar outros algoritmos que detectam intersecção de padrões, como o algoritmo Apriori.
72
Bibliografia
Abinader Jr., Fuad M., Queiroz, Alynne C. S. e Honda, Daniel W. 2011. Self- Organized Hierarchical Methods for Time Series Forecasting. 23rd IEEE International Conference on Tools with Artificial Intelligence (ICTAI). 2011.
Agrawal, R., et al. 1996. Fast discovery of association rules. Advances in Knowledge Discovery and Data Mining. AAAIPress, Menlo Park, CA : U. Fayyad and et al, editors, 1996. pg. 307 - 328.
Agrawal, Rakesh, Faloutsos, Christos e Swami, Arun N. 1993. Efficient Similarity Search In Sequence Databases. Proceedings of the 4th International Conference of Foundations of Data Organization and Algorithms (FODO). Chicago, Illinois : s.n., 1993. pg. 69–84.
Alencar, Aretha Barbosa. 2007. Mineração e Visualização de Coleções de Séries Temporais. Dissertação de Mestrado ICMC - USP. 2007.
Allen, J. F. 1983. Maintaining knowledge about temporal intervals. Communications of the ACM. 26(11):832-843, 1983.
Almeida, M. O. 2003. Uma Ferramenta para Mineração Visual de Dados usando Mapas em Árvore e suas aplicações. Dissertação de Mestrado, Programa de pós- graduação em Redes de Computadores. Universidade Salvador. 2003.
Anciutti, I. 2004. Uma Aplicação de Mineração de Dados sobre Circuitos Elétricos de Baixa tensão utilizando Algoritmos Genéticos. CompSul 2004. 2004.
Andrade, A. F. e Ribeiro, A. O. 2009. Descrição do Consumo Mensal de Energia Elétrica em Lavras, Mediante Séries Temporais. Trabalho de Conclusão de Curso (UNILAVRAS). 2009.
Antunes, Claudia M. e Oliveira, Arlindo L. 2001. Temporal Data Mining: an overview . KDD Workshop on Temporal Data Mining. 2001.
Badaloni, S. e Giacomin, M. 2000. A fuzzy extension of Allen's interval algebra. AI*IA99: Advances in Artificial Intelligence. 2000.
Bagnall, A., Janakec, G. e Zhang, M. 2004. Clustering time series from mixture polynomial models with discretised data. KDD '04 Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, New York - USA. 2004.
73
Barreto, Guilherme A. 2007. Time Series Prediction with the Self-Organizing Map: A Review. Perspectives of Neural-Symbolic Integration. 2007.
Bateman, Thomas S. e Snell, Scott A. 1998. Administração: construindo vantagem competitiva. São Paulo : Atlas, 1998.
Berg, Arthur, McMurry, Timothy e Politis, Dimitri N. 2011. Testing time series linearity: traditional and bootstrap methods. 2011.
Box, G.E.P. e Jenkins, G.M. 1976. Time Series Analysis: Forecasting and Control. Revised Edition. San Francisco : Holden-Day, 1976.
Cagnon, José Ângelo, Valarelli, Ivanaldo de Domenico e Rodrigues, Ricardo Martini. 2006. Gestão energética em indústrias madeireiras. 6° Encontro de Energia no Meio Rural. Campinas : s.n., 2006.
Caminha, Amadeu C. 1987. Introdução à Proteção dos Sistemas Elétricos. São Paulo : ED. Edgard Blücher, 1987.
Campos, R. J. 2008. Previsão de séries temporais com aplicações a séries de consumo de energia elétrica. Dissertação de Mestrado UFMG. 2008.
Cardoso, B. e Mascarenhas, M. 1973. Curso Completo de Teoria Musical e Solfejo. Rio de Janeiro : Irmão Vitale, 1973. Vol. 1.
Cardoso, Mayra Moutinho. 2005. Simulação de Modelos Garch para Séries Temporais Univariadas de Demanda de Energia Elétrica para Consumidores Livres em Regime de Curto Prazo. Dissertação de Mestre em Engeharia de Produção - Universidade Federal de Itajuba. 2005.
Casas-Garriga, G. 2005. Summarizing sequential data with closed partial orders. Proceedings of the 5th SIAM International Conference on Data Mining (SDM'05). 2005.
Chan, Kin-pong e Fu, Ada Wai-chee. 1999. Efficient time series matching by wavelets. In Proceedings of the 15th IEEE International Conference on Data Engineering. 1999. pg. 126-133.
Chu, S., et al. 2002. Interative deeping dynamic time warping for time series. Second SIAM International Conference on Data Mining. Arlington, Virginia : s.n., 2002. pg. 1- 18.
Cotofrei, P e Stoffel, K. 2002. Rule Extraction from Time Series Databases Using Classification Trees. Procedings of the 20th International Association of Science and Technology for Development Conference on Applied Informatics. 2002.
Cottrell, Marie, Ibbou, Smaïl e Letrémy, P. 2003. Traitment des Donnees Manquantes au Moyen de L'algorithme de Kohonen. Actes de la dixième conférence ACSEG 2003. 2003.
74
Das, G., et al. 1998. Rule discovery from time series. Proceedings of the 4th International Conference on Knowledge Discovery and Data Mining (KDD'98). 1998. Delone, R. e Wittlich, G.E. 1975. Aspects of Twentieth-Century Music. Englewood Cliffs, New Jersey : Prentice-Hall, 1975.
Draper, N e Smith, H. 1981. Applied Regression Analysis. Segunda Edição, 1981.
El Desouky, A.A. e Elkateb, M.M. 2000. Hybrid adaptive techniques for electric-load forecast using ANN and ARIMA. IEE Proceedings on Generation, Transmission and Distribution, pp. 213-217. 2000, Vol. 147.
Elkateb, M. M., Solaiman, K. e Al-Turki, Y. 1998. A comparative study of medium- weather-dependent load forecasting using enhanced artificial/fuzzy neural network and statistical techniques. Neurocomputing, pp. 3-13. 1998, Vol. 23.
Enders, Walter. 2003. Applied Econometrics Time Series. s.l. : Danvers: John Wiley &Sons, 2003.
F. Mörchen, A. Ultsch, and O. Hoos. 2004. Discovering interpretable muscle activation patterns with the Temporal Data Mining Method. Lecture Notes in Computer Science. 512-514, DOI: 10.1007/978-3-540-30116-5_50, 2004, Vol. 3202/2004.
Farias, Regina. 2006. Atuação Estatal e a Privatização do Setor Elétrico Brasileiro. Dissertação de Mestrado, Programa de Mestrado em Ciência Politica da Universidade de Brasilia. Brasilia : s.n., 2006.
Fayyad, Usama, Piatetdky-Shapiro, Gregory e Smyth, Padhraic. 1996. From Data Mining to Knowlegde Discovery. American Association for Artificial Intelligence. 1996.
Flores, E. D. 2000. Previsão de uma Série Temporal da Area de Energia Elétrica Usando um Modelo de Rede Neural Difusa com Retropropagação. Relatorio PIC. 2000. Freksa, C. 1992. Temporal reasoning based on semi-intervals. Artificial Intelligence. 1992.
Gönen, T. 1986. Eletric Power Distribution Systems Engeneering. McGraw, New York : s.n., 1986.
Gusfield, D. 1997. Algorithms on strings, trees, and sequences: computer science and computational biology. 1997.
Hand, D., Smyth, P. e Mannila, H. 2001. Principles of Data Mining. MIT Press. 2001.
Hippert, H.S., Pedreira, C. E. e Souza, R.C. 2001. Neural networks for shortterm load forecasting: A review and evaluation. IEEE Transactions on Power Systems, pp. 44-55. 2001, Vol. 16.
75
Hirschberg, D. S. 1977. Algorithms for the Longest Common Subsequence Problem. Journal of the Association for Computing Machinery. 1977.
Hochheiser, H. e Shneiderman, B. 2004. Dynamic query tools for time series data sets: timebox widgets for interactive exploration. Information Visualization. n. 1, 2004, Vol. 3.
Höppner, F. 2003. Knowledge Discovery from Sequential Data. Tese de PhD da Technical University Braunschweig, Germany. 2003.
Hyvarinen, A. 1999. Survey on independent component analysis. Neural Computing Surveys. 2:94-128, 1999.
J. An, J., et al. 2003. Grid-based indexing for large time series databases. Proceedings of the 4th International Conference on Intelligent Data Engineering and Automated Learning (IDEAL'03). 2003.
Janczura, Joanna e Weron, Rafal. 2011. Efficient estimation of Markov regimes- witching models: An application to electricity spot prices. HSC Research Report. 2011. Jansen, M. 2001. Noise Reduction by Wavelet Thresholding. s.l. : Springer, 2001.
Jesus, T. A. 2008. Detecção de Determinismo e Modelagem Preditiva de Séries Temporais de Consumo de Energia Elétrica. Dissertação de Mestrado UFMG. 2008. Jolliffe, I. T. 1986. Principal Component Analysis. s.l. : Springer, 1986.
Keogh, E., et al. 2000. Dimensionality reduction for fast similarity search in large time series databases. Journal of Knowledge and Information Systems. 2000.
Keogh, Eamonn, et al. 2004. Segmenting Time Series: A survey and novel approuch. [A. do livro] Mark Last, Abrahan Kandel e Horst Bunke. Data Mining in Time Series Databases. s.l. : World Scientific, 2004.
Keogh, S. e Kasetty, E. 2002. On the need for time series data mining benchmarks: A survey and empirical demonstration. Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'02). 2002, pp. 102-111.
Kohonen, T. 1990. The self organizing maps. Proceedings of the IEEE. 1990, Vol. 78, n.9.
Kullback, S. e Leibler, R. A. 1951. On Information and Sufficiency. Annals of Mathematical Statistics. 1951. Vol. 22, 1.
Last, M., Klein, Y. e Kandel, A. 2001. Knowledge discovery in time series databases. IEEE Transactions on Systems, Man, and Cybernetics. p.160-169, 2001.
76
Liao, T. Warren. 2005. Clustering of time series data - a survey. Pattern Recognition. 2005, Vol. 38.
Lima, Fabio Almeida. 2006. A Regulação por Contratos no Setor Elétrico Brasileiro: O contrato de comercialização de energia elétrica no ambiente regulado – CCEAR e os leilões de energia. Brasília : s.n., 2006.
Lin, J., et al. 2003. A Symbolic Representation of Time Series, with implications for streaming algorithms. DMKD'03: Proceedings of the 8th ACM SIGMOD woorkshop on Research issues in data mining and knowledge discovery. New York : ACM Press, 2003. pg. 2-11.
LIRA, SACHIKO ARAKI. 2004. Análise de Correlação: Abordagem Teórica e de Construção dos Coeficientes com Aplicações. Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Métodos Numéricos em Engenharia da Universidade Federal do Paraná. Curitiba, Brasil : s.n., Fevereiro de 2004.
Lkhagva, Battuguldur, Suzuki, Yu e Kawagoe, Kyoji. 2006. Extended SAX: Extension of Symbolic Aggregate Approximation for Financial Time Series Data Representation. DEWS2006 4A-i8. 2006.
MacQueen, J. B. 1967. Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. University of California Press : s.n., 1967.
Maletzke, André Gustavo. 2009. Uma metodologia para extração de conhecimento em séries temporais por meio da identificação de motifs e da extração de caracteristicas. Dissertação de Mestrado ICMC-USP. 2009.
Marreco, Juliana de Moraes. 2007. Planejamento de Longo Prazo da Expansão da Oferta de Energia Elétrica no Brasil sob uma Perspectiva da Teoria das Opções Reais. Tese de Doutorado em Ciências em Planejamento Energético - Universidade Federal do Rio de Janeiro (UFRJ). Rio de Janeiro : s.n., 2007.
Minussi, M. M. 2008. Metodologia de Mineração de Dados para Detecção de Desvio de Comportamento do Uso de Energia em Concessionaria de Energia Elétrica. Dissertação de Mestrado (PUCRS). 2008.
Mörchen, F. 2006a. Algorithms For Time Series Knowledge Mining. Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining. 2006a.
Mörchen, F. e Ultsch, A. 2005. Optimizing time series discretization for knowledge discovery. Proceedings of the 11th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'05),. 2005.
77
Novotny, Matej. 2004. Visually Effective Information Visualization of Large Data. VRVis Research Center for Virtual Reality and Visualization. 2004.
Palit, A. K. e Popovic, D. 2005. Computational Intelligence in Time Series Forecasting - Theory and Engineering Applications. 1. s.l. : Springer, 2005.
Rabiner, L. R. 1989. A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition. Proceedings of IEEE. p. 257 - 286 , 1989.
Ribeiro, Hugo. 2007. Gramatica e Teoria Musical. 2007. Edição 10.
Roddick, J. F. e Mooney, C. H. 2005. Linear temporal sequences and their interpretation using midpoint relationship. IEEE Transactions on Knowledge and Data Engineering. 2005.
Rodrigues, L. C., Silva, P. P. C. e Linden, R. 2007. Séries Temporais no Consumo de Energia Elétrica no Estado do Rio de Janeiro. Revista Visões. 02, 2007.
Sanches, André Rodrigo. 2006. Redução de Dimensionalidade em Séries Temporais. Dissertação de Mestrado em Ciências da Computação submetida ao Instituto de Matematica e Estatistica da Universidade de São Paulo. São Paulo : s.n., 2006.
Savoia, Ricardo. 2009. O Gerenciamento do Planejamento de Mercado nas Distribuidoras de Energia Elétrica: do Racionamento ao Ambiente Regulado e Livre de Contratação de Energia. Dissertação de Mestrado do Programa Interunidades de Pos- Graduação em Energia - Universidade de São Paulo. São Paulo : s.n., 2009.
Sebastiani, P. e Ramoni, M. 2001. Clustering continuous time series. Proceedings of the 18th International Conference on Machine Learning. 2001.
Sebastiani, P., et al. 1999. Discovering dynamics using Bayesian clustering. Proceedings of the 3rd International Conference in Intelligent Data Analysis (IDA'99). 1999.
Shumway, R. H. e Stoffer, D.S. 2006. Time Series Analysis and its Aplications: with R examples. New York, USA : Springer, 2006.
Sibson, R. 1973. SLINK: An optimally efficient algorithm for the single-link cluster method. The Computer Journal, 16 (1): 30-34. 1973.
Silva, Marcos Vinicius Miranda e Bermann, Célio. 2002. O planejamento energético como ferramenta de auxílio às tomadas de decisão sobre a oferta de energia na zona rural. AGRENER 2002 - 4° Encontro de Energia no Meio Rural. Campinas : s.n., 2002. Singhal, Ashish e Seborg, Dale E. 2006. Clustering multivariate time-series data.
JOURNAL OF CHEMOMETRICS. p. 427–438, 2006, Vol. 19.
Smith, S.W. 1997. The Scientist and Engineer's Guide to Digital Signal Processing. California : California Technical Publishing, 1997.
78
Smyth, P. 1997. Clustering sequences with Hidden Markov Models. Advances in Neural Information Processing Systems. 1997.
Snoek, C. e Worring, M. 2004. Multimedia event based video indexing using time intervals. IEEE:Transactions on Multimedia. 2004.
Souza, B. A., et al. 2002. Segmentação Ótima da Curva de Duração de Carga Anual. Congresso Internacional de Distribuição Elétrica. Buenos Aires : s.n., 2002.
Udaeta, Miguel Edgar Morales. 1997. Planejamento Integrado de Recursos Energéticos - PIR- para o Setor Elétrico (pensando o desenvolvimento sustentavel). Tese de Doutorado em Engenharia de Sistemas de Potência - Escola Politécnica da Universidade de São Paulo. São Paulo : s.n., 1997.
Ultsch, Alfred. 2003. Knowledge discovery. 2003.
Vlachos, M., et al. 2004. Identifying similarities, periodicities and bursts for online search queries. Proceedings of the 2004 ACM SIGMOD International Conference on Management of data. 2004.
Vlachos, Michail, Gunopulos, Dimitrios e Das, Gautam. 2004. Indexing Time Series Under Conditions of Noise. [A. do livro] M. Last, Y. Klein e A. Kandel. Data Mining in Time Series Database. s.l. : World Scientific, 2004.
Ward, Joe H. 1963. Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association . 1963. Vol. 58.
Weber, M., Alexa, M. e Muller, W. 2001. Visualizing time-series on spirals. Proceedings of the IEEE Symposium on Information Visualization (INFOVIS'01). 2001. Wooldridge, Jeffrey M. 2000. Introductory Econometrics: a Modern Approach. South- Western College Publishing, a division of Thomson Learning. 2000.
Zaki, M. J. e Hsiao, C.-J. 2002. CHARM: An efficient algorithm for closed itemset mining. Proceedings of the 2nd SIAM International Conference on Data Mining (SDM'02). 2002.
Zarur, M. A. F. 2005. Modelo para Elaboração de Cenarios do Setor Energético, Utilizando Técnicas de Data Mining. Dissertação de Mestrado (UFRJ). 2005.
79