Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | GEPROS. Gestão da Produção. Operações e Sistemas |
Texto Completo: | https://revista.feb.unesp.br/gepros/article/view/1249 |
Resumo: | A previsão de séries temporais é largamente utilizada nas diversas áreas do conhecimento humano, principalmente no planejamento e direcionamento estratégico das empresas. O sucesso desta tarefa depende das técnicas de previsões aplicadas. Neste artigo, é proposta uma metodologia híbrida para se projetar séries temporais. Para a validação da metodologia foi escolhida uma série de tempo já modelada por outros autores, possibilitando a comparação dos resultados. A metodologia proposta integra as seguintes técnicas: encolhimento wavelet, decomposição wavelet de nível r e redes neurais artificiais (RNAs). Primeiramente, uma série temporal a ser prevista é submetida ao método de filtragem wavelet proposto, o qual a decompõe em componentes de tendência e de resíduo linear. Em seguida, ambas são decompostas via decomposição de nível r, gerando, para cada uma, r+1 componentes wavelet (CWs); e, em seguida, cada CW é individualmente modelada por uma RNA. Finalmente, as previsões para todas as CWs são linearmente combinadas, produzindo as previsões para a série temporal supracitada. Para avaliá-lo, a série temporal de Canadian Lynx foi usada e todos os resultados alcançados pelo método proposto foram melhores do que outros existentes na literatura. |
id |
UNESP-2_5798ae19683d946f1669681b74bb3f3e |
---|---|
oai_identifier_str |
oai:ojs.gepros.emnuvens.com.br:article/1249 |
network_acronym_str |
UNESP-2 |
network_name_str |
GEPROS. Gestão da Produção. Operações e Sistemas |
repository_id_str |
|
spelling |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição waveletA previsão de séries temporais é largamente utilizada nas diversas áreas do conhecimento humano, principalmente no planejamento e direcionamento estratégico das empresas. O sucesso desta tarefa depende das técnicas de previsões aplicadas. Neste artigo, é proposta uma metodologia híbrida para se projetar séries temporais. Para a validação da metodologia foi escolhida uma série de tempo já modelada por outros autores, possibilitando a comparação dos resultados. A metodologia proposta integra as seguintes técnicas: encolhimento wavelet, decomposição wavelet de nível r e redes neurais artificiais (RNAs). Primeiramente, uma série temporal a ser prevista é submetida ao método de filtragem wavelet proposto, o qual a decompõe em componentes de tendência e de resíduo linear. Em seguida, ambas são decompostas via decomposição de nível r, gerando, para cada uma, r+1 componentes wavelet (CWs); e, em seguida, cada CW é individualmente modelada por uma RNA. Finalmente, as previsões para todas as CWs são linearmente combinadas, produzindo as previsões para a série temporal supracitada. Para avaliá-lo, a série temporal de Canadian Lynx foi usada e todos os resultados alcançados pelo método proposto foram melhores do que outros existentes na literatura.A Fundacao para o Desenvolvimento de Bauru (FunDeB)2015-10-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfhttps://revista.feb.unesp.br/gepros/article/view/124910.15675/gepros.v10i4.1249Revista Gestão da Produção Operações e Sistemas; v. 10 n. 4 (2015)1984-2430reponame:GEPROS. Gestão da Produção. Operações e Sistemasinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporhttps://revista.feb.unesp.br/gepros/article/view/1249/697https://revista.feb.unesp.br/gepros/article/view/1249/1527Teixeira, Levi LopesSiqueira, Paulo HenriqueTeixeira Jr, Luiz AlbinoRodrigues, Samuel BellidoLindbeck da Silva, Arinei Carlosinfo:eu-repo/semantics/openAccess2015-12-02T14:19:20Zoai:ojs.gepros.emnuvens.com.br:article/1249Revistahttps://revista.feb.unesp.br/geprosPUBhttps://revista.feb.unesp.br/gepros/oaigepros@feb.unesp.br||abjabbour@feb.unesp.br1984-24301809-614Xopendoar:2015-12-02T14:19:20GEPROS. Gestão da Produção. Operações e Sistemas - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
title |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
spellingShingle |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet Teixeira, Levi Lopes |
title_short |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
title_full |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
title_fullStr |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
title_full_unstemmed |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
title_sort |
Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet |
author |
Teixeira, Levi Lopes |
author_facet |
Teixeira, Levi Lopes Siqueira, Paulo Henrique Teixeira Jr, Luiz Albino Rodrigues, Samuel Bellido Lindbeck da Silva, Arinei Carlos |
author_role |
author |
author2 |
Siqueira, Paulo Henrique Teixeira Jr, Luiz Albino Rodrigues, Samuel Bellido Lindbeck da Silva, Arinei Carlos |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Teixeira, Levi Lopes Siqueira, Paulo Henrique Teixeira Jr, Luiz Albino Rodrigues, Samuel Bellido Lindbeck da Silva, Arinei Carlos |
description |
A previsão de séries temporais é largamente utilizada nas diversas áreas do conhecimento humano, principalmente no planejamento e direcionamento estratégico das empresas. O sucesso desta tarefa depende das técnicas de previsões aplicadas. Neste artigo, é proposta uma metodologia híbrida para se projetar séries temporais. Para a validação da metodologia foi escolhida uma série de tempo já modelada por outros autores, possibilitando a comparação dos resultados. A metodologia proposta integra as seguintes técnicas: encolhimento wavelet, decomposição wavelet de nível r e redes neurais artificiais (RNAs). Primeiramente, uma série temporal a ser prevista é submetida ao método de filtragem wavelet proposto, o qual a decompõe em componentes de tendência e de resíduo linear. Em seguida, ambas são decompostas via decomposição de nível r, gerando, para cada uma, r+1 componentes wavelet (CWs); e, em seguida, cada CW é individualmente modelada por uma RNA. Finalmente, as previsões para todas as CWs são linearmente combinadas, produzindo as previsões para a série temporal supracitada. Para avaliá-lo, a série temporal de Canadian Lynx foi usada e todos os resultados alcançados pelo método proposto foram melhores do que outros existentes na literatura. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-10-28 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revista.feb.unesp.br/gepros/article/view/1249 10.15675/gepros.v10i4.1249 |
url |
https://revista.feb.unesp.br/gepros/article/view/1249 |
identifier_str_mv |
10.15675/gepros.v10i4.1249 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revista.feb.unesp.br/gepros/article/view/1249/697 https://revista.feb.unesp.br/gepros/article/view/1249/1527 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
A Fundacao para o Desenvolvimento de Bauru (FunDeB) |
publisher.none.fl_str_mv |
A Fundacao para o Desenvolvimento de Bauru (FunDeB) |
dc.source.none.fl_str_mv |
Revista Gestão da Produção Operações e Sistemas; v. 10 n. 4 (2015) 1984-2430 reponame:GEPROS. Gestão da Produção. Operações e Sistemas instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
GEPROS. Gestão da Produção. Operações e Sistemas |
collection |
GEPROS. Gestão da Produção. Operações e Sistemas |
repository.name.fl_str_mv |
GEPROS. Gestão da Produção. Operações e Sistemas - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
gepros@feb.unesp.br||abjabbour@feb.unesp.br |
_version_ |
1800215696743858176 |