| dc.contributor | Crispim Vasconcelos, Germano | |
| dc.creator | Salgado Gomes de Mattos Neto, Paulo | |
| dc.date | 2014-06-12T15:54:09Z | |
| dc.date | 2014-06-12T15:54:09Z | |
| dc.date | 2008-01-31 | |
| dc.identifier | Salgado Gomes de Mattos Neto, Paulo; Crispim Vasconcelos, Germano. Teoria da perturbação em sistemas híbridos inteligentes para a previsão de séries temporais. 2008. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/2047 | |
| dc.description | De forma geral, as abordagens descritas na literatura utilizam apenas a própria série para
realizar a previsão, descartando a série de resíduos proveniente da diferença entre os dados
reais da série e a previsão do modelo. Os métodos tradicionais de inteligência artificial
não tratam a série de resíduos, considerando assim que essa série tenha o comportamento
de um ruído branco, contendo pouca ou nenhuma informação relevante.
Estudos realizados em torno das séries de resíduos, geradas pelo Método Time-lag
Added Evolutionary Forecasting Method(TAEF), possibilitaram a constatação da não existência
de características de ruído branco, mas conjuntos de padrões que detém informações
relevantes que podem ser captadas pelo método.
Com base nesses estudos e inspirado na Teoria da Perturbação, um conceito já comumente
usado em outros ramos da ciência, o Método Perturbative Time-lag Added
Evolutionary Forecasting Method (Método P-TAEF) foi desenvolvido para tratamento e
previsão das séries residuais. A Teoria da Perturbação é semelhante a uma expansão
de potências, como na expansão de Taylor, onde cada termo acrescentado à expansão
introduz um fator de correção, que converge para a solução real do problema.
Vários experimentos foram realizados com o Método P-TAEF com séries temporais
com diferentes características. Foram utilizadas séries de natureza e complexidade distintas,
de tal modo a comprovar a eficiência do método proposto. Foi testado um conjunto
de sete séries, sendo uma artificial (série do Mapa de Hénon), duas de fenômenos da natureza
(série das Manchas Solares e série de Medidas do Brilho de uma Estrela) e quatro
séries econômico-financeiras (Índice Dow Jones Industrial Average, Índice Nasdaq,´ Índice
S&P500 e valores de Fechamento das Ações da Petrobras (PetrobrasON)).
Os experimentos foram comparados com técnicas tradicionais de IA encontradas na
literatura e com o Método TAEF | |
| dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Previsão de Séries Temporais | |
| dc.subject | Teoria da Perturbação | |
| dc.subject | Redes Neurais
Artificiais | |
| dc.subject | Algoritmos Genéticos | |
| dc.subject | Sistemas Híbridos Inteligentes | |
| dc.title | Teoria da perturbação em sistemas híbridos inteligentes para a previsão de séries temporais | |
| dc.type | masterThesis | |
