Previsão de séries temporais via modelos baseados em regras.

Abstract

Aplicações que envolvam previsões podem ser encontradas nos mais diversos campos do conhecimento. Frequentemente, áreas da engenharia, ciências naturais, ciências humanas, economia, finanças, dentre outras, vêm recorrendo a modelos de previsão para que informações relacionadas a estimativas de um sistema possam ser inferidas. Os processos de previsão muitas vezes estão relacionados ao conceito de séries temporais, estabelecendo as principais informações disponíveis para que modelos de previsões possam ser determinados. Este trabalho tem como objetivo a construção e a comparação de modelos que sejam capazes de descrever o comportamento de séries temporais e inferir valores futuros das mesmas. Em especial, é de interesse estudar uma classe especial de modelos, os modelos baseados em regras. Esses modelos estão fundamentados em conceitos da lógica nebulosa e dos conjuntos aproximados, consagradas ferramentas da inteligência artificial. Além dessas abordagens, outros métodos de previsão como as redes neurais artificiais (RNA) e os métodos estatísticos foram considerados. A finalidade dessas técnicas, comprovadamente eficientes em aplicações de previsão, é gerar modelos que servirão de base de comparação para os modelos baseados em regras, foco desse trabalho. Os modelos baseados em regras estão fundamentados a partir de modelos neuro-fuzzy Adaptive Network Based Fuzzy Inference System (ANFIS) e de uma proposta sugerida neste trabalho e que foi baseada em pesquisas recentes. Já para os modelos neurais foi considerada a aplicação de RNA’s do tipo perceptrons de múltiplas camadas (MLP). Por fim, os modelos estatísticos foram obtidos por diversos métodos como o Auto Regressivo com Médias Móveis para séries não estacionárias (ARIMA) e o Holt Winters por exemplo. A fim de testar as metodologias empregadas neste trabalho, considerou-se a aplicação da previsão em cinco séries temporais práticas. Procurou-se selecionar séries que apresentassem variadas características e comportamentos para que a avaliação do desempenho dos modelos pudesse ser realizada nas mais diferentes situações. A avaliação de cada modelo foi realizada com base na análise dos vários indicadores de erros amplamente aplicados em trabalhos relacionados.