Analises de series temporais e modelagem baseada em regras nebulosas

Autor(es)

Ivette Raymunda Luna Huamaní

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
• Data de defesa: 2007-05-10

Membros da banca

Secundino Soares Filho; Aluizio Fausto Ribeiro Araujo; Marinho Gomes de Andrade Filho; Paulo Sergio Franco Barbosa; Fernando José Von Zuben; Takaaki Ohishi

• Orientador: Secundino Soares Filho; Rosangela Ballini

Resumo

Este trabalho propõe uma metodologia baseada em regras nebulosas para a modelagem e previsão de séries temporais. Inicialmente, os dados são pré-processados para, a seguir, ocorrer a seleção de variáveis que serão utilizadas pelos modelos de série temporal. Para essa finalidade, nesta tese propõe-se um conjunto de aproximações necessárias para o cálculo do critério de informação mútua parcial, o qual é a base para o algoritmo de seleção de entradas utilizado. A próxima etapa corresponde à determinação da estrutura do modelo e ajuste dos parâmetros. Com o intuito de definir de forma automática a estrutura do modelo, de forma simultânea ao ajuste dos parâmetros, dois algoritmos de aprendizado construtivo - offiine e online são propostos. Ambos os algoritmos utilizam como base para o seu desenvolvimento o algoritmo da maximização da verossimilhança, assim como critérios de geração e punição (ou poda) de regras nebulosas. Finalmente, o modelo obtido é validado e aplicado .na previsão de um e vários passos à frente. Análises comparativas são apresentadas utilizando séries temporais sintéticas e de problemas reais. Os resultados mostram que as propostas deste trabalho são uma alternativa eficiente para a modelagem e previsão de séries temporais (AU)

• Processo FAPESP: 02/13873-8 - Redes neurais como modelos de séries temporais: uma aplicação para previsão de vazões.
• Beneficiário: Ivette Raymunda Luna Huamaní
• Modalidade de apoio: Bolsas no Brasil - Doutorado