ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
Texto Completo: | http://localhost:8080/tede/handle/tede/2473 |
Resumo: | O propósito deste trabalho é testar métodos econométricos e de inteligência artificial para o problema de previsão de séries temporais, em especial regressão linear múltipla e rede neural com regra Delta. Com tais modelos pretende-se prever um passo a frente à produção da indústria de transformação do Estado de Goiás. Os erros das estimativas em todos os modelos são comparados com o teste de normalidade para validar a adequação do modelo. Ao final, os modelos são comparados utilizando, erro quadrático médio, MAPE e desvio padrão para identificar o melhor modelo e método adequado para a predição da produção da indústria de transformação. |
id |
PUC_GO_88efb3fdcf6ff698951873e64b8f7223 |
---|---|
oai_identifier_str |
oai:ambar:tede/2473 |
network_acronym_str |
PUC_GO |
network_name_str |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
repository_id_str |
6593 |
spelling |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS.COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.Redes neurais (Computação)EconometriaCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOO propósito deste trabalho é testar métodos econométricos e de inteligência artificial para o problema de previsão de séries temporais, em especial regressão linear múltipla e rede neural com regra Delta. Com tais modelos pretende-se prever um passo a frente à produção da indústria de transformação do Estado de Goiás. Os erros das estimativas em todos os modelos são comparados com o teste de normalidade para validar a adequação do modelo. Ao final, os modelos são comparados utilizando, erro quadrático médio, MAPE e desvio padrão para identificar o melhor modelo e método adequado para a predição da produção da indústria de transformação.The purpose of this study is to test econometric methods and artificial intelligence to the problem of time series forecasting, in particular neural network and multiple linear regression with Delta rule. With such designs are intended to provide a step forward in the production of the manufacturing industry in the State of Goiás errors of the estimates in all models are compared with the normality test to validate the adequacy of the model. Finally, the models are compared using R2, mean square error, MAPE and standard deviation to identify the best model and suitable for the prediction of production manufacturing method.Pontifícia Universidade Católica de GoiásEngenhariaBRPUC GoiásEngenharia de Produção e SistemasMenezes, José Elmo dehttp://lattes.cnpq.br/9654702573176547Carvalho, Sirlon Diniz deCPF:51545098115http://lattes.cnpq.br/5607449747114793Vieira, Sibelius LellisCPF:28562771104http://lattes.cnpq.br/0345972428103987Lima, Ricardo Rodrigues Dias de2016-08-10T10:40:32Z2015-11-052014-03-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLIMA, Ricardo Rodrigues Dias de. COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.. 2014. 75 f. Dissertação (Mestrado em Engenharia) - Pontifícia Universidade Católica de Goiás, GOIÂNIA, 2014.http://localhost:8080/tede/handle/tede/2473porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)instname:Pontifícia Universidade Católica de Goiás (PUC-GO)instacron:PUC_GO2016-08-11T04:36:23Zoai:ambar:tede/2473Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucgoias.edu.br:8080/http://tede2.pucgoias.edu.br:8080/oai/requesttede@pucgoias.edu.br||tede@pucgoias.edu.bropendoar:65932016-08-11T04:36:23Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO)false |
dc.title.none.fl_str_mv |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS. |
title |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
spellingShingle |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. Lima, Ricardo Rodrigues Dias de Redes neurais (Computação) Econometria CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
title_short |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
title_full |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
title_fullStr |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
title_full_unstemmed |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
title_sort |
ANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS. |
author |
Lima, Ricardo Rodrigues Dias de |
author_facet |
Lima, Ricardo Rodrigues Dias de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Menezes, José Elmo de http://lattes.cnpq.br/9654702573176547 Carvalho, Sirlon Diniz de CPF:51545098115 http://lattes.cnpq.br/5607449747114793 Vieira, Sibelius Lellis CPF:28562771104 http://lattes.cnpq.br/0345972428103987 |
dc.contributor.author.fl_str_mv |
Lima, Ricardo Rodrigues Dias de |
dc.subject.por.fl_str_mv |
Redes neurais (Computação) Econometria CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
topic |
Redes neurais (Computação) Econometria CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
description |
O propósito deste trabalho é testar métodos econométricos e de inteligência artificial para o problema de previsão de séries temporais, em especial regressão linear múltipla e rede neural com regra Delta. Com tais modelos pretende-se prever um passo a frente à produção da indústria de transformação do Estado de Goiás. Os erros das estimativas em todos os modelos são comparados com o teste de normalidade para validar a adequação do modelo. Ao final, os modelos são comparados utilizando, erro quadrático médio, MAPE e desvio padrão para identificar o melhor modelo e método adequado para a predição da produção da indústria de transformação. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-03-26 2015-11-05 2016-08-10T10:40:32Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
LIMA, Ricardo Rodrigues Dias de. COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.. 2014. 75 f. Dissertação (Mestrado em Engenharia) - Pontifícia Universidade Católica de Goiás, GOIÂNIA, 2014. http://localhost:8080/tede/handle/tede/2473 |
identifier_str_mv |
LIMA, Ricardo Rodrigues Dias de. COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.. 2014. 75 f. Dissertação (Mestrado em Engenharia) - Pontifícia Universidade Católica de Goiás, GOIÂNIA, 2014. |
url |
http://localhost:8080/tede/handle/tede/2473 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pontifícia Universidade Católica de Goiás Engenharia BR PUC Goiás Engenharia de Produção e Sistemas |
publisher.none.fl_str_mv |
Pontifícia Universidade Católica de Goiás Engenharia BR PUC Goiás Engenharia de Produção e Sistemas |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) instname:Pontifícia Universidade Católica de Goiás (PUC-GO) instacron:PUC_GO |
instname_str |
Pontifícia Universidade Católica de Goiás (PUC-GO) |
instacron_str |
PUC_GO |
institution |
PUC_GO |
reponame_str |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
collection |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO) |
repository.mail.fl_str_mv |
tede@pucgoias.edu.br||tede@pucgoias.edu.br |
_version_ |
1791080050192285696 |