A produção do conhecimento científico sobre hierarchical time series forecasting: uma abordagem bibliométrica

• Autor(a) principal: Gontijo, Tiago Silveira
• Data de Publicação: 2024
• Outros Autores: Nepomuceno, Ana Luiza Jentzsch, Paiva, Bruna Peralva Lima, Santis, Rodrigo Barbosa de, Groppo, Gustavo de Souza, Costa, Marcelo Azevedo
• Tipo de documento: Artigo
• Idioma: por; eng; spa
• Título da fonte: Brazilian Journal of Production Engineering
• Texto Completo: https://periodicos.ufes.br/bjpe/article/view/43222
• topic: Modelos Preditivos; Bibliometria; séries temporais hierárquicas; Hierarchical Time Series; Predictive Models; Bibliometry; Serie temporal jerárquica; Modelos Predictivos; bibliometria

Os estudos sobre as séries temporais hierárquicas (hierarchical time series forecasting) têm despertado a atenção da literatura. Em geral, uma série temporal hierárquica consiste em um conjunto de informações coletadas no tempo, as quais estão organizadas através de agrupamentos como a localização geográfica, o tipo de produto e outros atributos, por exemplo. O presente artigo realizou de maneira pioneira uma pesquisa bibliométrica acerca de todas as publicações indexadas junto à base da Web of Science, sobre as séries temporais hierárquicas, durante o período de 1996 a 2020. Destaca-se que o crescimento anual das publicações sobre esse tema é igual a 13.45% e que os Estados Unidos da América se destacam como o maior polo produtor de conhecimentos sobre as séries hierárquicas, concentrando aproximadamente 30% das pesquisas. Por fim, verificou-se que métodos híbridos para a reconciliação ótima de previsões, baseadas em algoritmos de machine learning tem sido recorrentes em pesquisas atuais.