APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS
Autor(a) principal: | |
---|---|
Data de Publicação: | 1993 |
Tipo de documento: | Dissertação |
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=8641@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@2 |
Resumo: | Este trabalho associa previsão de Séries Temporais a uma nova metodologia de processamento de informação: REDE NEURAL. Usaremos o modelo de Retropropagação, que consiste em uma Rede Neural multicamada com as unidades conectadas apenas com a unidades conectadas apenas com as unidades da camada subseqüente e com a informação passando em uma única direção. Aplicaremos o modelo de retropropagação na análise de quatro séries temporais: uma série ruidosa. Uma série com tendência, uma série sazonal e uma série de Consumo de Energia Elétrica da cidade de Uruguaiana, RS. Os resultados obtidos serão comparados com os modelos ARIMA de Box e Jenkins e um modelo com intervenção |
id |
PUC_RIO-1_bc72a5b11342aa51d0146ac925b94f4e |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:8641 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAPLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS USING NEURAL NETWORK IN TIME SERIES FORECASTING 1993-05-07REINALDO CASTRO SOUZA09951768687lattes.cnpq.brREINALDO CASTRO SOUZA09951768687lattes.cnpq.brCRISTIANO AUGUSTO COELHO FERNANDESREINALDO CASTRO SOUZAREINALDO CASTRO SOUZAGUTEMBERG HESPANHA BRASILMARIA EMILIA CAMARGOELIANA ZANDONADEPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBREste trabalho associa previsão de Séries Temporais a uma nova metodologia de processamento de informação: REDE NEURAL. Usaremos o modelo de Retropropagação, que consiste em uma Rede Neural multicamada com as unidades conectadas apenas com a unidades conectadas apenas com as unidades da camada subseqüente e com a informação passando em uma única direção. Aplicaremos o modelo de retropropagação na análise de quatro séries temporais: uma série ruidosa. Uma série com tendência, uma série sazonal e uma série de Consumo de Energia Elétrica da cidade de Uruguaiana, RS. Os resultados obtidos serão comparados com os modelos ARIMA de Box e Jenkins e um modelo com intervenção This work join the Times-Séries Forecasting to a new information processing metodoligy: NEURAL NETWORK. We will use the Back-Propagation model, that consist in an arquitecture of a feed-forward network with hidden layers. We will apply the Back-Propagation model in an analysis to four times series: a noisy series, a series with trend, a seasonal series and an electrical energy consuption series of Uruguaiana, RS. The results will be compare with the Box and jenkins´ ARIMA models and a model with intervention.COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T12:47:57Zoai:MAXWELL.puc-rio.br:8641Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342017-09-14T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.pt.fl_str_mv |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
dc.title.alternative.en.fl_str_mv |
USING NEURAL NETWORK IN TIME SERIES FORECASTING |
title |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
spellingShingle |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS ELIANA ZANDONADE |
title_short |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
title_full |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
title_fullStr |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
title_full_unstemmed |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
title_sort |
APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS |
dc.creator.ID.none.fl_str_mv |
|
dc.creator.Lattes.none.fl_str_mv |
|
author |
ELIANA ZANDONADE |
author_facet |
ELIANA ZANDONADE |
author_role |
author |
dc.contributor.advisor2ID.none.fl_str_mv |
09951768687 |
dc.contributor.advisor1.fl_str_mv |
REINALDO CASTRO SOUZA |
dc.contributor.advisor1ID.fl_str_mv |
09951768687 |
dc.contributor.advisor1Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.advisor2.fl_str_mv |
REINALDO CASTRO SOUZA |
dc.contributor.advisor2Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.referee1.fl_str_mv |
CRISTIANO AUGUSTO COELHO FERNANDES |
dc.contributor.referee2.fl_str_mv |
REINALDO CASTRO SOUZA |
dc.contributor.referee3.fl_str_mv |
REINALDO CASTRO SOUZA |
dc.contributor.referee4.fl_str_mv |
GUTEMBERG HESPANHA BRASIL |
dc.contributor.referee5.fl_str_mv |
MARIA EMILIA CAMARGO |
dc.contributor.author.fl_str_mv |
ELIANA ZANDONADE |
contributor_str_mv |
REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA CRISTIANO AUGUSTO COELHO FERNANDES REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA GUTEMBERG HESPANHA BRASIL MARIA EMILIA CAMARGO |
description |
Este trabalho associa previsão de Séries Temporais a uma nova metodologia de processamento de informação: REDE NEURAL. Usaremos o modelo de Retropropagação, que consiste em uma Rede Neural multicamada com as unidades conectadas apenas com a unidades conectadas apenas com as unidades da camada subseqüente e com a informação passando em uma única direção. Aplicaremos o modelo de retropropagação na análise de quatro séries temporais: uma série ruidosa. Uma série com tendência, uma série sazonal e uma série de Consumo de Energia Elétrica da cidade de Uruguaiana, RS. Os resultados obtidos serão comparados com os modelos ARIMA de Box e Jenkins e um modelo com intervenção |
publishDate |
1993 |
dc.date.issued.fl_str_mv |
1993-05-07 |
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 |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@2 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8641@2 |
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 |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.publisher.program.fl_str_mv |
PPG EM ENGENHARIA ELÉTRICA |
dc.publisher.initials.fl_str_mv |
PUC-Rio |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
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_ |
1748324888581505024 |