Delineamento de experimentos no treinamento de redes neurais artificiais para o problema de previsão de séries temporais não lineares

• Ano de defesa: 2021
• Autor(a) principal: GIGLIO, José Euclides Fernandes
• Orientador(a): BALESTRASSI, Pedro Paulo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia de Produção
• Departamento: IEPG - Instituto de Engenharia de Produção e Gestão
• País: Brasil
• Palavras-chave em Português: Previsão; Delineamento de experimentos; Rede neural artificial; Séries temporais não lineares; DOE
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/2506

Uma série temporal é definida como uma coleção de observações de uma variável ao longo do tempo, cuja ordem dos dados é de fundamental importância devido a dependência entre estes valores consecutivos. A análise destes dados, e o entendimento desta correlação, é um importante instrumento no entendimento de fenômenos em diversas ciências, como Economia, Engenharias e Gestão de Operações, onde preços, demandas e valores são estas variáveis. A modelagem desta sequência de dados proporciona a sua utilização no objetivo de, com base nos dados históricos, realizar previsões para períodos futuros. Esta relação consecutiva pode ser considerada complexa e, não incomum, não lineares. O uso de Redes Neurais Artificiais tem se provado cada vez mais eficaz em estabelecer reconhecimento de padrões, modelagem e a previsão de valores futuros. Os programas estatísticos disponíveis no mercado disponibilizam ferramentas de uso amigável e de resultados demonstrados em diversos científicos disponíveis em publicações, porém o número de fatores e níveis que são disponibilizados para utilização durante o treinamento das Redes Neurais Artificiais, o que pode nos apontar a necessidade de centenas de anos para executarmos todas as combinações possíveis. Neste estudo a metodologia estatística de Delineamento de Experimentos (Design of Experiments - DOE) é aplicada com o propósito de determinar os melhores parâmetros de uma Rede Neural Artificial para a previsão de séries temporais não lineares e, assim, reduzir significativamente o tempo necessário para se apontar a escolha da melhor Rede Neural Artificial capaz de resolver nosso problema de previsão. Ao invés de utilizarmos a técnica mais comum de treinamento de uma Rede Neural Artificial, ou seja, o método empírico, o DOE é proposto para ser a melhor metodologia. A principal motivação para esta dissertação foi a previsão de séries temporais sazonais não lineares - que está relacionada com muitos problemas reais, tais como carga elétrica de curto prazo, preços diários e retornos, consumo de água, etc. Um estudo de caso é apresentado. O objetivo foi cumprido quando se comprovou atingir resultados de erros, entre previsão e valor real, menores para a Rede Neural Artificial do que o erro alcançado com o modelo.