| dc.contributor | LUDERMIR, Teresa Bernarda | |
| dc.creator | VALENÇA, Ivna Cristine Brasileiro | |
| dc.date | 2014-06-12T15:56:09Z | |
| dc.date | 2014-06-12T15:56:09Z | |
| dc.date | 2010-01-31 | |
| dc.identifier | Cristine Brasileiro Valença, Ivna; Bernarda Ludermir, Teresa. Modelos híbridos baseados em redes neurais, lógica fuzzy e busca para previsão de séries temporais. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/2278 | |
| dc.description | As pesquisas relacionadas à previsão de séries temporais têm sido uma área de bastante
interesse nas últimas décadas. Várias técnicas têm sido pesquisadas para a previsão de séries
temporais. Este trabalho propõe métodos híbridos, com a finalidade de tentar representar o
complexo fenômeno de previsão de séries temporais do mundo real. A gênese do estudo é
baseada no conceito sobre o qual, diferentes partes da série temporal podem ser resultantes
de diferentes processos físicos que ocorrem na natureza e necessitam, portanto, de diferentes
modelagens. A dissertação divide-se em duas etapas. Na primeira, são propostos mais dois
sistemas híbridos (BH + MLP e BMT + MLP) para a seleção das variáveis de entradas para os
modelos de previsão. Na segunda, são propostas dois métodos híbridos (SOM + MLP e MLP
+ Fuzzy) para o processo de previsão de séries temporais. Para realizar o estudo comparativo
entre as técnicas, dez séries temporais do mundo real foram utilizadas.
No que diz respeito à seleção de variáveis os resultados mostraram que a utilização do
sistema híbrido Busca pela Memória Temporal e Redes Neurais (BMT + MLP) foi capaz
de encontrar um subconjunto de variáveis representativo para o problema. Dos resultados
obtidos pode-se concluir que a seleção de variáveis ocorreu de forma bastante satisfatória com a
utilização da Busca Harmônica e Redes Neurais, mas ocorreu com maior rapidez e eficiência
quando da utilização do sistema proposto BMT + MLP. Apesar dos erros médios quadráticos
obtidos pela rede neural serem, em geral, estatisticamente similares para as duas técnicas, a
principal vantagem da BMT + MLP é a capacidade de encontrar o subconjunto de variáveis
considerado ótimo de forma bastante rápida. Ao realizar a comparação dos resultados obtidos
dos modelos propostos com dois modelos da literatura, os modelos propostos apresentaram um
melhor desempenho.
Quanto aos modelos de previsão propostos, os resultados obtidos apresentaram menor erro
ou no máximo iguais em comparação com a rede MLP e com os modelos Estatísticos, para todas
as séries simuladas. Por outro lado, os dois modelos propostos (SOM + MLP e MLP + Fuzzy)
apresentaram em média resultados que foram considerados estatisticamente similares | |
| dc.description | Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Busca pela Memória Temporal | |
| dc.subject | Previsão de Séries Temporais | |
| dc.subject | Redes Neurais Artificiais | |
| dc.subject | Seleção de Variáveis | |
| dc.subject | Sistemas Inteligentes Híbridos | |
| dc.title | Modelos híbridos baseados em redes neurais, lógica fuzzy e busca para previsão de séries temporais | |
| dc.type | masterThesis | |
