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

Levi Lopes Teixeira, Paulo Henrique Siqueira, Luiz Albino Teixeira Jr, Samuel Bellido Rodrigues, Arinei Carlos Lindbeck da Silva

Resumo


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.


Texto completo:

PDF


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

Apontamentos

  • Não há apontamentos.


Direitos autorais



Licença Creative Commons

Está licenciado com uma Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional

e-ISSN: 1984-2430
GEPROS. Gest. prod. oper. sist., Bauru, São Paulo-SP (Brasil).

Departamento de Engenharia de Produção da Faculdade de Engenharia da UNESP - Bauru

Av. Eng. Edmundo Carrijo Coube, n° 14-01 Fone: 55-14-3103-6122