Redes neurais: uma aplicação na previsão de vendas

Detalhes bibliográficos
Autor(a) principal: Ansuj,Angela P
Data de Publicação: 1994
Outros Autores: Camargo,Maria Emília, Petry,Deoclécio Gomes
Tipo de documento: Artigo
Idioma: por
Título da fonte: Production
Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65131994000300007
Resumo: Aplicou-se os modelos ARIMA e de retropropagação na análise do comportamento da série de vendas de uma empresa de porte médio de Santa Maria, no período de janeiro de 1979 a dezembro de 1989. Inicialmente, avaliou-se os dados a partir de uma análise exploratória e das funções de autocorrelação e de autocorrelação parcial, com o objetivo de verificar a existência de componentes sazonais, de não estacionaridade e alcatoriedade dos dados. O número de unidades da camada intermediária foi determinado por tentativas. Utilizou-se a análise da serie residual para determinar o modelo mais adequado aos dados, bem como para escolher a melhor rede. A previsão pontual obtida através da rede Neural foi superior ao modelo ARIMA de Box-Jenkins
id ABEPRO-1_d787d93c660e72b72daf5f7f5b94ec7b
oai_identifier_str oai:scielo:S0103-65131994000300007
network_acronym_str ABEPRO-1
network_name_str Production
repository_id_str
spelling Redes neurais: uma aplicação na previsão de vendasRede NeuralARIMARetropopagaçãoAplicou-se os modelos ARIMA e de retropropagação na análise do comportamento da série de vendas de uma empresa de porte médio de Santa Maria, no período de janeiro de 1979 a dezembro de 1989. Inicialmente, avaliou-se os dados a partir de uma análise exploratória e das funções de autocorrelação e de autocorrelação parcial, com o objetivo de verificar a existência de componentes sazonais, de não estacionaridade e alcatoriedade dos dados. O número de unidades da camada intermediária foi determinado por tentativas. Utilizou-se a análise da serie residual para determinar o modelo mais adequado aos dados, bem como para escolher a melhor rede. A previsão pontual obtida através da rede Neural foi superior ao modelo ARIMA de Box-JenkinsAssociação Brasileira de Engenharia de Produção1994-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65131994000300007Production v.4 n.spe 1994reponame:Productioninstname:Associação Brasileira de Engenharia de Produção (ABEPRO)instacron:ABEPRO10.1590/S0103-65131994000300007info:eu-repo/semantics/openAccessAnsuj,Angela PCamargo,Maria EmíliaPetry,Deoclécio Gomespor2010-12-02T00:00:00Zoai:scielo:S0103-65131994000300007Revistahttps://www.scielo.br/j/prod/https://old.scielo.br/oai/scielo-oai.php||production@editoracubo.com.br1980-54110103-6513opendoar:2010-12-02T00:00Production - Associação Brasileira de Engenharia de Produção (ABEPRO)false
dc.title.none.fl_str_mv Redes neurais: uma aplicação na previsão de vendas
title Redes neurais: uma aplicação na previsão de vendas
spellingShingle Redes neurais: uma aplicação na previsão de vendas
Ansuj,Angela P
Rede Neural
ARIMA
Retropopagação
title_short Redes neurais: uma aplicação na previsão de vendas
title_full Redes neurais: uma aplicação na previsão de vendas
title_fullStr Redes neurais: uma aplicação na previsão de vendas
title_full_unstemmed Redes neurais: uma aplicação na previsão de vendas
title_sort Redes neurais: uma aplicação na previsão de vendas
author Ansuj,Angela P
author_facet Ansuj,Angela P
Camargo,Maria Emília
Petry,Deoclécio Gomes
author_role author
author2 Camargo,Maria Emília
Petry,Deoclécio Gomes
author2_role author
author
dc.contributor.author.fl_str_mv Ansuj,Angela P
Camargo,Maria Emília
Petry,Deoclécio Gomes
dc.subject.por.fl_str_mv Rede Neural
ARIMA
Retropopagação
topic Rede Neural
ARIMA
Retropopagação
description Aplicou-se os modelos ARIMA e de retropropagação na análise do comportamento da série de vendas de uma empresa de porte médio de Santa Maria, no período de janeiro de 1979 a dezembro de 1989. Inicialmente, avaliou-se os dados a partir de uma análise exploratória e das funções de autocorrelação e de autocorrelação parcial, com o objetivo de verificar a existência de componentes sazonais, de não estacionaridade e alcatoriedade dos dados. O número de unidades da camada intermediária foi determinado por tentativas. Utilizou-se a análise da serie residual para determinar o modelo mais adequado aos dados, bem como para escolher a melhor rede. A previsão pontual obtida através da rede Neural foi superior ao modelo ARIMA de Box-Jenkins
publishDate 1994
dc.date.none.fl_str_mv 1994-01-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65131994000300007
url http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65131994000300007
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 10.1590/S0103-65131994000300007
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
dc.source.none.fl_str_mv Production v.4 n.spe 1994
reponame:Production
instname:Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron:ABEPRO
instname_str Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron_str ABEPRO
institution ABEPRO
reponame_str Production
collection Production
repository.name.fl_str_mv Production - Associação Brasileira de Engenharia de Produção (ABEPRO)
repository.mail.fl_str_mv ||production@editoracubo.com.br
_version_ 1754213149372841984

Registros relacionados