[pt] AUXÍLIO À ANÁLISE DE SÉRIES TEMPORAIS NÃO SAZONAIS USANDO REDES NEURAIS NEBULOSAS
Ano de defesa: | 2005 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
MAXWELL
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7554&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7554&idi=2 http://doi.org/10.17771/PUCRio.acad.7554 |
Resumo: | [pt] Observando a dificuldade de batimento (match) dos padrões de comportamento das funções de autocorrelação e de autocorrelação parcial teóricas com as respectivas funções e as autocorrelação e de autocorrelação parcial estimadas de uma séries temporal, aliada ao fato da dificuldade em definir um número em específico como delimitador inequívoco do que seja um lag significativo, tornam clara a dose de julgamento subjetivo a ser realizado por um especialista de análise de séries temporais na tomada de decisão sobre a estrutura de Box & Jenkins adequada a ser escolhida para modelar o processo estocástico sendo estudado. A matemática nebulosa permite a criação de sistemas de inferências nebulosas (inferência dedutiva) e representa o conhecimento de forma explícita, através de regras nebulosas, possibilitando, facilmente, o entendimento do sistema em estudo. Por outro lado, um modelo de redes neurais representa o conhecimento de forma implícita, adquirido através de exemplos (dados), possuindo excelente capacidade de generalização (inferência indutiva). Esta tese apresenta um sistema especialista composto de cinco redes neurais nebulosas do tipo retropropagação para o auxílio na análise de séries temporais não sazonais. O sistema indica ao usuário a estrutura mais adequada, dentre as estruturas AR(1), MA (1), AR(2), MA(2) e ARMA(1,1), tomando como base a menor distância Euclidiana entre os valores esperados e as saídas das redes neurais nebulosas. |