Mestrado em Estatística, Matemática e Computação | Master's Degree in Statistics, Mathematics and Computation - TMEMC
URI permanente para esta coleção:
Navegar
Percorrer Mestrado em Estatística, Matemática e Computação | Master's Degree in Statistics, Mathematics and Computation - TMEMC por orientador "Carvalho, Alda"
A mostrar 1 - 3 de 3
Resultados por página
Opções de ordenação
- Análise estatística espacial e previsão clínica de aneurismas da aorta torácica ascendentePublication . Oviedo Rodríguez, Katalina; Carvalho, Alda; Xavier, José Manuel CardosoA deteção precoce do risco de rutura de aneurismas da aorta permite intervir cirurgicamente em tempo útil. O tamanho do aneurisma é avaliado pelo diâmetro; segundo algumas diretrizes clínicas, recomenda-se a reparação do aneurisma para diâmetros superiores a 50 mm em mulheres e superiores a 55 mm em homens. No entanto, tem-se evidenciado que este parâmetro não é suficiente como indicador de cirurgia. Neste trabalho procura-se contribuir para o estudo deste problema; para tal, realiza-se uma análise exploratória com bases de dados de doentes com aneurismas localizados na aorta ascendente. Aplicam-se técnicas de estatística espacial e de Machine Learning para a caraterização. Relativamente às técnicas de estatística espacial, utilizou-se o cálculo de variogramas para o estudo espacial dos diâmetros máximos na aorta ascendente e a técnica de krigagem ordinária para a estimação de novos diâmetros máximos. No âmbito das técnicas de Machine Learning, recorreu-se, no caso da aprendizagem supervisionada, à regressão logística e, na aprendizagem não supervisionada, ao método k-means, com o objetivo de estudar se, a partir das variáveis clínicas, seria possível determinar se os doentes necessitam ou não de cirurgia. Verificou-se que o variograma sugere a localização do aneurisma na aorta e que, a partir dos seus parâmetros, é possível estudar propriedades biomecânicas da aorta, como a elasticidade e a rigidez local. Por sua vez, a técnica de krigagem ordinária revelou-se útil na estimação de diâmetros máximos em instantes que não foram objeto de amostragem. Além disso, a análise das variáveis clínicas permitiu concluir que o diâmetro máximo é a variável mais relevante na decisão de operar, em consonância com a literatura e com as recomendações atualmente vigentes.
- Modelação estatística aplicada à avaliação da condição de turbinas eólicas com base em dados SCADAPublication . Nhantingo, José Jonas; Carvalho, Alda; Silva, Tiago Alexandre Narciso daA monitorização do estado de turbinas eólicas a partir de dados SCADA, constitui um desafio significativo devido à elevada variabilidade operacional, à natureza não estacionária dos regimes do vento e à ausência de registos históricos de falhas devidamente rotulados. Neste contexto, este trabalho propõe uma abordagem probabilística integrada para a modelação do estado de condição de turbinas eólicas sob incerteza, combinando regressão quantílica e modelos bayesianos orientados à detecção de novidade. O termo “deteção de novidade” foi adoptado na formulação de Bishop (1994), uma vez que o objetivo central não é era identificação de falhas previamente conhecidas, mas sim a identificação de padrões de comportamento que se desviam do regime normal aprendido, podendo ou não estar associados a condições de degradação ou falha. Esta formulação permite uma abordagem mais robusta e flexível, especialmente adequada a ambientes industriais onde a definição explícita de classes de falha é limitada ou inexistente. Neste trabalho assume-se que não há informação prévia fiável sobre a frequência relativa de falhas, devido à ausência de registos históricos completos e de rotulagem supervisionada nos dados SCADA. Numa primeira etapa, a regressão quantílica é aplicada à curva de potência com o objectivo de caracterizar o comportamento operacional esperado da turbina em diferentes regimes de vento, permitindo a definição de bandas estatísticas de funcionamento normal por meio de quantis inferior e superior. Esta etapa possibilita uma pré-classificação robusta de dados SCADA, mitigando os efeitos de heterocedasticidade, valores extremos e elevada variabilidade operacional. Com base neste enquadramento, o problema de controlo de condição é formulado como um problema de classificação binária, no qual o estado de saúde da turbina é modelado como uma variável latente. São então aplicados e comparados três modelos estatísticos para estimar a verosimilhança dos dados sob hipótese de funcionamento normal: (i) um método dos bins baseado em intervalos de velocidade do vento e limites quantílicos, (ii) modelos baseados na distribuição normal multivariada e (iii) modelos de cópulas, incluindo as cópulas Gaussianas e t-Student, considerando versões estáticas e com actualização temporal. Assumindo probabilidades a priori uniformes, a decisão de classificação baseia-se exclusivamente na improbabilidade conjunta das observações face ao regime operacional saudável, seguindo o princípio de detecção de novidade. O desempenho dos métodos é avaliado por meio de métricas estatísticas clássicas de classificação, permitindo uma comparação sistemática da sua capacidade de identificar estados normais e anómalos. Os resultados mostraram que métodos simples baseados em limiares por bins são insuficientes para captar a complexidade das dependências multivariadas dos dados SCADA. Em contraste, os modelos probabilísticos multivariados apresentam melhorias significativas em métricas como acurácia, especificidade, F1- score e coeficiente de correlação de Matthews, evidenciando maior robustez em ambientes ruidosos e não estacionários. A incorporação da dependência temporal (one-step-ahead), revelou-se crucial para a detecção precoce de trajectórias anómalas e padrões evolutivos de degradação, destacando os modelos baseados na distribuição normal multivariada one-step-ahead como a abordagem mais eficaz para o controlo de condição e suporte à manutenção preditiva de turbinas eólicas.
- Monitorização de operações de risco no jogo online: o exemplo do branqueamento de capitaisPublication . Estanque, Nuno Alexandre Apolónia do; Carvalho, AldaO setor do jogo online é frequentemente identificado como vulnerável ao branqueamento de capitais e financiamento do terrorismo (BC/FT), em virtude da sua elevada frequência transacional. Esta dissertação propõe uma abordagem de aprendizagem supervisionada para apoiar a monitorização do risco, formulando o problema como uma classificação binária ao nível do jogador. Com base em dados reais, construíram-se perfis comportamentais agregados que sintetizam a atividade financeira dos jogadores. A modelação recorreu ao algoritmo Random Forest, combinado com validação cruzada estratificada, por forma a lidar com o forte desequilíbrio entre classes. Os resultados evidenciam a eficácia do modelo na identificação e seleção dos casos mais relevantes, permitindo concentrar uma proporção significativa de jogadores já sinalizados nas primeiras posições de uma lista ordenada por risco. Ao mesmo tempo, a definição de critérios de decisão conservadores mostrou-se coerente com a exigência regulatória de minimizar os casos de falsos negativos. A análise de importância das variáveis indica ainda que os volumes financeiros movimentados e a presença de valores elevados desempenham um papel central na diferenciação dos perfis de risco. Apesar das limitações associadas a restrições de confidencialidade e a potenciais imperfeições na rotulagem dos dados, conclui-se que a abordagem proposta constitui um contributo relevante para o apoio à monitorização do risco de BC/FT no jogo online, complementando os mecanismos tradicionais de controlo e os processos de análise humana.