Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet

Authors

  • Levi Lopes Teixeira Universidade Tecnológica Federal do Paraná.
  • Paulo Henrique Siqueira Universidade Federal do paraná
  • Luiz Albino Teixeira Jr Universidade Federal da Integração Latino Americana.
  • Samuel Bellido Rodrigues Universidade Tecnológica Federal do Paraná.
  • Arinei Carlos Lindbeck da Silva Universidade Federal do Paraná.

DOI:

https://doi.org/10.15675/gepros.v10i4.1249

Abstract

A previsão de séries temporais é largamente utilizada nas diversas áreas do conhecimento humano, principalmente no planejamento e direcionamento estratégico das empresas. O sucesso desta tarefa depende das técnicas de previsões aplicadas. Neste artigo, é proposta uma metodologia híbrida para se projetar séries temporais. Para a validação da metodologia foi escolhida uma série de tempo já modelada por outros autores, possibilitando a comparação dos resultados. A metodologia proposta integra as seguintes técnicas: encolhimento wavelet, decomposição wavelet de nível r e redes neurais artificiais (RNAs). Primeiramente, uma série temporal a ser prevista é submetida ao método de filtragem wavelet proposto, o qual a decompõe em componentes de tendência e de resíduo linear. Em seguida, ambas são decompostas via decomposição de nível r, gerando, para cada uma, r+1 componentes wavelet (CWs); e, em seguida, cada CW é individualmente modelada por uma RNA. Finalmente, as previsões para todas as CWs são linearmente combinadas, produzindo as previsões para a série temporal supracitada. Para avaliá-lo, a série temporal de Canadian Lynx foi usada e todos os resultados alcançados pelo método proposto foram melhores do que outros existentes na literatura.

Published

2015-10-28

How to Cite

Teixeira, L. L., Siqueira, P. H., Teixeira Jr, L. A., Rodrigues, S. B., & Lindbeck da Silva, A. C. (2015). Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet. Revista Gestão Da Produção Operações E Sistemas, 10(4). https://doi.org/10.15675/gepros.v10i4.1249

Issue

Section

Articles