[pt] MODELO VARIABLE STEP-SIZE EVOLVING PARTICIPATORY LEARNING WITH KERNEL RECURSIVE LEAST SQUARES APLICADO À PREVISÃO DE PREÇOS DO ÓLEO DIESEL NO BRASIL

• Ano de defesa: 2021
• Autor(a) principal: EDUARDO RAVAGLIA CAMPOS QUEIROZ
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] PREVISAO DE SERIES TEMPORAIS; [pt] PASSO DE ADAPTACAO VARIAVEL; [pt] MODELOS NEBULOSOS EVOLUTIVOS; [en] TIME SERIES FORECASTING; [en] VARIABLE STEP SIZE; [en] EVOLVING FUZZY MODELS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52507&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52507&idi=2; http://doi.org/10.17771/PUCRio.acad.52507

[pt] Um modelo de previsão é uma ferramenta indispensável nos negócios, ajudando na tomada de decisões, seja a curto, médio ou longo prazo. Neste contexto, a implementação de técnicas de aprendizagem de máquina em modelos de previsão de séries temporais assume notória relevância, visto que o processamento da informação e a extração de conhecimento são cada vez mais exigidos de forma eficiente e dinâmica. Este trabalho desenvolve um modelo denominado Variable Step-Size evolving Participatory Learning with Kernel Recursive Least Squares, VS-ePL-KRLS, aplicado à previsão de preços do óleo diesel S500 e S10. O modelo apresentado demonstra uma melhor acurácia em comparação com os modelos análogos na literatura, sem perda de desempenho computacional para todas as séries temporais analisadas.