Defesa de dissertação (17/12/2020): Luciana Escobar Gonçalves Vignoli
Discente: Luciana Escobar Gonçalves Vignoli
Título: Análise Comparativa de Métodos para Detecção de Eventos em Séries Temporais
Orientadores: Laura silva de Assis (orientadora) e Eduardo Soares Ogasawara (co-orientador)
Banca: Laura Silva de Assis (presidente), Eduardo Soares Ogasawara (CEFET/RJ), Rafaelli de Carvalho Coutinho (CEFET/RJ), Fábio André Machado Porto (LNCC)
Dia/hora: 17 de dezembro de 2020, às 14h
Sala remota: https://meet.google.com/vtr-zogo-cny
Resumo: Grandes volumes de dados são coletados e armazenados diariamente, necessitando de um tratamento adequado para retornar informações valiosas durante uma análise. Esses dados, quando obedecem a uma ordem cronológica de tempo, consistem em séries temporais. Detectar eventos nessas séries é uma tarefa importante em diversas áreas de conhecimento, não se restringindo apenas à Tecnologia da Informação. Eventos podem representar uma anormalidade, uma mudança de comportamento ou um padrão que se repete na série. Diversos métodos presentes na literatura buscam identificar um único tipo de evento, entretanto, uma quantidade menor aborda essa detecção de uma maneira mais generalizada. Esta dissertação propõe uma análise comparativa de diferentes métodos para detecção de eventos em séries temporais, envolvendo identificação de anomalias e pontos de mudança. Tal comparação é realizada através de métodos estatísticos baseados na média móvel, processo de decomposição e técnicas baseadas em vizinhança. Foram realizados experimentos com dados sintéticos e reais envolvendo datasets de diferentes áreas de conhecimento como monitoramento da qualidade da água, tráfego de dados do Yahoo e processos de exploração de petróleo. Os resultados obtidos foram promissores e mostraram que cada conjunto de dado tem sua particularidade, e é muito importante analisar qual método se adéqua melhor a um conjunto específico, onde uma boa escolha pode resultar em até 0,99 de precisão na detecção.
Dissertação 
