Redes neurais como modelos de séries temporais: uma aplicação para previsão de vazões.

Resumo

A integração investigada nestes últimos anos da capacidade de representação dos sistemas fuzzy com a capacidade de aprendizado e aproximação universal das redes neurais, tem dado como resultado arquiteturas híbridas conhecida também como sistemas neurofuzzy. Contudo, grande parte desta pesquisa está sendo orientada para redes estáticas. As redes neurais recorrentes, devido a sua natureza dinâmica, são as mais indicadas para o tratamento de problemas com dependência espaço-temporal e tornam-se eficientes quando aplicadas em modelagem de sistemas dinâmicos, controle adaptativo, previsão de séries temporais, entre outros. Acrescentando recorrência em sistemas neurofuzzy, obtêm-se um modelo, onde as relações temporais induzidas por algum tipo de realimentação na estrutura do sistema forneçam elementos de memória que expandam a capacidade da rede neurofuzzy para incluir representações temporais. Neste trabalho, propõem-se uma rede neurofuzzy recorrente para o problema de previsão de vazões a longo prazo, utilizando uma base de dados de vazões médias mensais de usinas hidroelétricas brasileiras localizadas em diferentes regiões, visando avaliar o desempenho do modelo proposto. Comparações entre redes neurais recorrentes, redes neurofuzzy recorrente e modelos de predição de séries temporais serão feitas considerando indicadores como tempo de processamento, desempenho da rede e convergência do algoritmo. (AU)