[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Outros |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@2 http://doi.org/10.17771/PUCRio.acad.30504 |
Resumo: | [pt] A previsão de séries temporais é um assunto de grande importância para diversas áreas, podendo servir como base para planejamento e controle, entre outros. As formas mais comuns de previsão são as pontuais. É arriscado, no entanto, planejadores tomarem decisões unicamente com base em previsões pontuais, pois séries reais são compostas por uma parte aleatória que não pode ser definida por modelagem matemática. Um modo de contornar este problema é realizando previsões intervalares. Estas fornecem informações sobre as incertezas das previsões pontuais, o que auxilia o planejador em suas decisões. Modelos de lógica fuzzy têm sido investigados na literatura de previsão devido a sua capacidade de modelar incertezas. Apesar disso, sistemas de lógica fuzzy Mamdani (MFLS) foram pouco investigados no tema, comparando-se a outros tipos de modelagens fuzzy. Ademais, entende-se que a literatura de previsão intervalar com modelos fuzzy é limitada. Neste contexto, este trabalho propõe um método para construção de previsões intervalares a partir das previsões pontuais do modelo MFLS de tipo-1 (T1 MFLS). O método proposto para construção de previsões intervalares do MFLS é baseado na reamostragem de erros in-sample. O modelo T1 MFLS é construído com uma heurística (para partição do universo de discurso das variáveis do modelo) e com a seleção da entrada do modelo. Previsões pontuais e intervalares são produzidas para séries horárias de carga de energia elétrica. A literatura de modelos fuzzy de previsão é revisada. |
id |
PUC_RIO-1_a4bc4350160b8f8db22eb7006e0d3ef8 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:30504 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM [pt] PREVISÕES PONTUAIS E INTERVALARES DE SÉRIES TEMPORAIS DE ALTA FREQUÊNCIA COM SISTEMA DE LÓGICA FUZZY [pt] LOGICA FUZZY[pt] PREVISAO DE CURTO PRAZO DA CARGA DE ENERGIA ELETRICA[pt] PREVISAO DE SERIES TEMPORAIS[en] FUZZY LOGIC[en] TIME SERIES FORECASTING[pt] A previsão de séries temporais é um assunto de grande importância para diversas áreas, podendo servir como base para planejamento e controle, entre outros. As formas mais comuns de previsão são as pontuais. É arriscado, no entanto, planejadores tomarem decisões unicamente com base em previsões pontuais, pois séries reais são compostas por uma parte aleatória que não pode ser definida por modelagem matemática. Um modo de contornar este problema é realizando previsões intervalares. Estas fornecem informações sobre as incertezas das previsões pontuais, o que auxilia o planejador em suas decisões. Modelos de lógica fuzzy têm sido investigados na literatura de previsão devido a sua capacidade de modelar incertezas. Apesar disso, sistemas de lógica fuzzy Mamdani (MFLS) foram pouco investigados no tema, comparando-se a outros tipos de modelagens fuzzy. Ademais, entende-se que a literatura de previsão intervalar com modelos fuzzy é limitada. Neste contexto, este trabalho propõe um método para construção de previsões intervalares a partir das previsões pontuais do modelo MFLS de tipo-1 (T1 MFLS). O método proposto para construção de previsões intervalares do MFLS é baseado na reamostragem de erros in-sample. O modelo T1 MFLS é construído com uma heurística (para partição do universo de discurso das variáveis do modelo) e com a seleção da entrada do modelo. Previsões pontuais e intervalares são produzidas para séries horárias de carga de energia elétrica. A literatura de modelos fuzzy de previsão é revisada.[en] Time series forecasting is an important subject for many areas; it can serve as basis for planning and control, among others. The most common type of forecast is the point forecast. It is, nevertheless, risky to make decisions based on point forecasts, considering that real time series are composed by a random part that cannot be exactly defined by mathematical modeling. One way to by-pass this problem is by producing interval forecasts. These provide information about point forecasts reliability, what helps the planner make his decisions. Fuzzy logic models have been investigated in the forecasting literature due to their ability to model uncertainties. In spite of this, Mamdani fuzzy logic systems (MFLS) have been less investigated in this subject than other types of fuzzy modeling approaches. Furthermore, it is understood that the literature of interval forecasting with fuzzy models is very limited. In this context, this work proposes a method for creating interval prediction from point forecasts of a type-1 MFLS (T1 MFLS). The proposed method for interval forecast construction is based on the resampling of in-sample errors. The T1 MFLS model is constructed with a heuristic (that makes the partition of the universe of discourse of the model s variables) and with selection of the model s inputs. Point and interval forecasts are produced for hourly electricity load series. The literature of fuzzy models applied in forecasting is reviewed.MAXWELLREINALDO CASTRO SOUZAREINALDO CASTRO SOUZAREINALDO CASTRO SOUZABRUNO QUARESMA BASTOS2017-07-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@2http://doi.org/10.17771/PUCRio.acad.30504porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2018-08-28T00:00:00Zoai:MAXWELL.puc-rio.br:30504Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-08-28T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM [pt] PREVISÕES PONTUAIS E INTERVALARES DE SÉRIES TEMPORAIS DE ALTA FREQUÊNCIA COM SISTEMA DE LÓGICA FUZZY |
title |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
spellingShingle |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM BRUNO QUARESMA BASTOS [pt] LOGICA FUZZY [pt] PREVISAO DE CURTO PRAZO DA CARGA DE ENERGIA ELETRICA [pt] PREVISAO DE SERIES TEMPORAIS [en] FUZZY LOGIC [en] TIME SERIES FORECASTING |
title_short |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
title_full |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
title_fullStr |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
title_full_unstemmed |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
title_sort |
[en] POINT AND INTERVAL FORECASTING OF HIGH-FREQUENCY TIME SERIES WITH FUZZY LOGIC SYSTEM |
author |
BRUNO QUARESMA BASTOS |
author_facet |
BRUNO QUARESMA BASTOS |
author_role |
author |
dc.contributor.none.fl_str_mv |
REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA |
dc.contributor.author.fl_str_mv |
BRUNO QUARESMA BASTOS |
dc.subject.por.fl_str_mv |
[pt] LOGICA FUZZY [pt] PREVISAO DE CURTO PRAZO DA CARGA DE ENERGIA ELETRICA [pt] PREVISAO DE SERIES TEMPORAIS [en] FUZZY LOGIC [en] TIME SERIES FORECASTING |
topic |
[pt] LOGICA FUZZY [pt] PREVISAO DE CURTO PRAZO DA CARGA DE ENERGIA ELETRICA [pt] PREVISAO DE SERIES TEMPORAIS [en] FUZZY LOGIC [en] TIME SERIES FORECASTING |
description |
[pt] A previsão de séries temporais é um assunto de grande importância para diversas áreas, podendo servir como base para planejamento e controle, entre outros. As formas mais comuns de previsão são as pontuais. É arriscado, no entanto, planejadores tomarem decisões unicamente com base em previsões pontuais, pois séries reais são compostas por uma parte aleatória que não pode ser definida por modelagem matemática. Um modo de contornar este problema é realizando previsões intervalares. Estas fornecem informações sobre as incertezas das previsões pontuais, o que auxilia o planejador em suas decisões. Modelos de lógica fuzzy têm sido investigados na literatura de previsão devido a sua capacidade de modelar incertezas. Apesar disso, sistemas de lógica fuzzy Mamdani (MFLS) foram pouco investigados no tema, comparando-se a outros tipos de modelagens fuzzy. Ademais, entende-se que a literatura de previsão intervalar com modelos fuzzy é limitada. Neste contexto, este trabalho propõe um método para construção de previsões intervalares a partir das previsões pontuais do modelo MFLS de tipo-1 (T1 MFLS). O método proposto para construção de previsões intervalares do MFLS é baseado na reamostragem de erros in-sample. O modelo T1 MFLS é construído com uma heurística (para partição do universo de discurso das variáveis do modelo) e com a seleção da entrada do modelo. Previsões pontuais e intervalares são produzidas para séries horárias de carga de energia elétrica. A literatura de modelos fuzzy de previsão é revisada. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-07-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/other |
format |
other |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@2 http://doi.org/10.17771/PUCRio.acad.30504 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30504@2 http://doi.org/10.17771/PUCRio.acad.30504 |
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.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1814822602237018112 |