Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/2031
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | ROMÃO, Estevão Luiz | - |
dc.date.issued | 2019-09-17 | - |
dc.identifier.citation | ROMÃO, Estevão Luiz. Estudo Comparativo entre Redes Neurais Artificiais e Markov-Switching Model na modelagem de séries temporais não lineares. 2019. 116 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2019. | pt_BR |
dc.identifier.uri | https://repositorio.unifei.edu.br/jspui/handle/123456789/2031 | - |
dc.description.abstract | Séries temporais não lineares são amplamente encontradas em situações reais envolvendo diferente cenários tais como crescimento econômico, consumo de energia e mudanças climáticas. Elas são, em muitos casos, não estacionárias e o seu comportamento pode variar ao longo do tempo, o que tem incentivado o uso de técnicas capazes de capturar essas características. Esse trabalho objetiva apresentar um estudo comparativo entre a precisão das Redes Neurais Artificiais (RNA) e o método denominado Markov-Switching Model (MSM) em relação à modelagem de séries temporais não lineares e não estacionárias. Para tal foi desenvolvida e aplicada uma metodologia de apoio à decisão baseada na técnica de Design of Experiments (DOE) para conduzir as análises e auxiliar na elaboração de um banco de dados sintético, representando contextos distintos, o que permitiu generalizar as comparações. Foram considerados os seguintes fatores: tamanho do conjunto de dados, erro aleatório associado a cada série temporal e a correlação existente entre elas. Após modelar cada série usando RNA e MSM, calculou-se o valor do Erro Percentual Absoluto Médio (MAPE) e desenvolveu-se um teste t-pareado que permitiu concluir que o desempenho das RNA é estatisticamente melhor que o do método MSM independente de qual cenário considerado. Além disso, foi desenvolvido um estudo de caso cujo objetivo foi modelar o valor de exportação do Brasil durante os 10 últimos anos como uma função das seguintes séries temporais: taxa de câmbio, importação e PIB, no mesmo período considerado, além da própria série de exportação deslocada de uma unidade no tempo. Assim, pôde-se validar que, de fato, as RNA possuem uma melhor performance em problemas envolvendo séries temporais não lineares e não estacionárias que o MSM. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.title | Estudo Comparativo entre Redes Neurais Artificiais e Markov-Switching Model na modelagem de séries temporais não lineares. | pt_BR |
dc.type | Dissertação | pt_BR |
dc.place | Itajubá | pt_BR |
dc.pages | 116 p. | pt_BR |
dc.keywords.portuguese | Redes Neurais Artificiais | pt_BR |
dc.keywords.portuguese | Markov-Switching Model | pt_BR |
dc.keywords.portuguese | Séries Temporais Não Lineares | pt_BR |
dc.keywords.portuguese | Design of Experiments | pt_BR |
dc.keywords.english | Artificial Neural Networks | pt_BR |
dc.keywords.english | Markov-Switching Model | pt_BR |
dc.keywords.english | Nonlinear Time Series | pt_BR |
dc.keywords.english | Design of Experiments | pt_BR |
dc.orientador.principal | BALESTRASSI, Pedro Paulo | - |
dc.place.presentation | UNIFEI - Universidade Federal de Itajubá | pt_BR |
dc.pg.programa | Engenharia de Produção | pt_BR |
dc.pg.area | Engenharia de Produção | pt_BR |
dc.date.available | 2019-11-05T18:40:39Z | - |
dc.date.accessioned | 2019-11-05T18:40:39Z | - |
dc.publisher.department | IEPG - Instituto de Engenharia de Produção e Gestão | - |
dc.publisher.program | Programa de Pós-Graduação: Mestrado - Engenharia de Produção | - |
Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
dissertacao_2019123.pdf | 3,3 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.