Implementação de um guia para aplicação de machine learning em séries temporais multivariadas

Detalhes bibliográficos
Autor(a) principal: Dias, Lucas Bergo
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/232542
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção
id UFSC_cdc703dc50d66571ef7cbb67323179f4
oai_identifier_str oai:repositorio.ufsc.br:123456789/232542
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaDias, Lucas BergoSilva, Eduardo Ferreira da2022-03-22T17:14:05Z2022-03-22T17:14:05Z2022-02-24https://repositorio.ufsc.br/handle/123456789/232542TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de ProduçãoCom o avanço da tecnologia e automação dos processos, a quantidade de dados armazenados aumentou significativamente, contribuindo para que a tomada de decisão em empresas possa ser apoiada por previsões cada vez melhores. Algumas dessas previsões usam séries históricas de dados, também conhecidas como séries temporais, que requerem modelos adequados para capturar padrões de comportamento associados ao momento em que cada evento ocorre, como por exemplo, um ciclo sazonal de alta em um dado mês ou uma tendência de queda ao passar dos anos. Contudo, apesar do avanço na área de aprendizado de máquina (ML) ter popularizado o uso de modelos de previsão cada vez mais sofisticados, poucos destes modelos se adequam ao contexto das séries temporais. E aqueles que se adequam são altamente customizados como as Redes Neurais Recorrentes, cuja aplicação e configuração não é trivial. Essa é uma das razões pelas quais modelos tradicionais são largamente escolhidos, como por exemplo os modelos de Holt, Holt-Winters e ARIMA, mesmo quando o resultado não impressiona. Esta simplicidade na sua aplicação faz com que a utilização desses modelos seja bem mais frequente do que a maioria dos modelos de ML. Uma das grandes desvantagens dos modelos tradicionais é a dificuldade em explorar a correlação da série com outras variáveis independentes, justamente o ponto forte de grande parte dos algoritmos de ML. Modelos de ML possuem uma excelente capacidade de extrair relações de dependência entre variáveis independentes e a variável dependente. Dito isso, este trabalho visa apresentar um guia para realização de previsão de séries temporais usando modelos genéricos de ML multivariados, que permitirá aos modelos de ML identificar relações temporais na variável de interesse, além da inclusão de novas variáveis independentes, o que não é possível nos modelos clássicos. Assim, uma gama de modelos de ML que incorporam o estado da arte em previsão poderão ser melhor aplicados no contexto de previsões em séries temporais. O desenvolvimento é apresentado na forma de um guia que pode servir de referência para o leitor na preparação dos dados de uma série temporal a serem inseridos em modelos de ML, fazendo com que o modelo reconheça as características típicas de uma série temporal e com isso realize previsões mais assertivas. Finalmente, os resultados apresentados deixam claro como a criação de features específicas em séries temporais pode viabilizar a aplicação de algoritmos de ML e influenciar significativamente sua performance.100Florianópolis, SCSéries temporaisAprendizado de máquinaPrevisão de dadosImplementação de um guia para aplicação de machine learning em séries temporais multivariadasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/232542/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALTCC.pdfTCC.pdfTCCapplication/pdf9545718https://repositorio.ufsc.br/bitstream/123456789/232542/1/TCC.pdf02683100a48605a22962892283661774MD51123456789/2325422022-03-22 14:14:05.348oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732022-03-22T17:14:05Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
title Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
spellingShingle Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
Dias, Lucas Bergo
Séries temporais
Aprendizado de máquina
Previsão de dados
title_short Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
title_full Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
title_fullStr Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
title_full_unstemmed Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
title_sort Implementação de um guia para aplicação de machine learning em séries temporais multivariadas
author Dias, Lucas Bergo
author_facet Dias, Lucas Bergo
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Dias, Lucas Bergo
dc.contributor.advisor1.fl_str_mv Silva, Eduardo Ferreira da
contributor_str_mv Silva, Eduardo Ferreira da
dc.subject.por.fl_str_mv Séries temporais
Aprendizado de máquina
Previsão de dados
topic Séries temporais
Aprendizado de máquina
Previsão de dados
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-03-22T17:14:05Z
dc.date.available.fl_str_mv 2022-03-22T17:14:05Z
dc.date.issued.fl_str_mv 2022-02-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/232542
url https://repositorio.ufsc.br/handle/123456789/232542
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.format.none.fl_str_mv 100
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/232542/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/232542/1/TCC.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
02683100a48605a22962892283661774
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805074055528448

Registros relacionados