Redes neurais: uma aplicação na previsão de vendas
Autor(a) principal: | |
---|---|
Data de Publicação: | 1994 |
Outros Autores: | , |
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 |