Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/2526
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | MELLO, Luiz Gustavo de | - |
dc.date.issued | 2021-07-15 | - |
dc.identifier.uri | https://repositorio.unifei.edu.br/jspui/handle/123456789/2526 | - |
dc.description.abstract | This study presents a nonlinear multi-objective optimization method for defining optimal weights for combining time series forecasting methods used to estimate annual natural gas demands. The weight allocation approach employs mixed experimental arrangements to model the relationship between various predictive performance metrics, and the weights assigned to the prediction residuals of the individual time series methods chosen for the combinations. The Double Exponential Smoothing (DES) method, the Holt-Winters additive (WA) method, and the multiplicative (WM) method were used in this study. Various performance metrics related to location, dispersion, and diversity were modeled using canonical polynomials for mixtures, which were then individually optimized to form a Payoff matrix for the individual solutions. These were then grouped according to the minimum distance between optimal points and the Jolliffe criterion, defined by the Principal Component Analysis (PCA), and applied to each group identified for non-redundant metric first selection (Payoff-Jolliffe Criteria). Factor analysis (FA) was applied to the remaining metrics, via principal component extraction and varimax rotation, storing the rotated factor scores. After modeling these scores with the same canonical polynomial mixture class, the Normal Boundary Intersection (NBI) optimization method was used, modified by adding an auxiliary elliptic constraint class. The set of results was compared with results from the best individual forecasting methods, results from traditional combination methods, results from the FA-NBI method, and its variants according to the 3 applied Jolliffe rules, in order to verify the reasonableness of the data treatment. The results for all methods were compared with a test set not used in the modeling and optimizing stages, i.e., an out-of-sample set, which verified the remarkable efficiency of the method proposed in this paper, relative to the other methods. Although the results are limited to the studied series alone, the adequacy of the methods presupposes that all other types of time series, or combinations of methods, might result in similar significant improvements in forecast assertiveness. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Itajubá | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Combinação de métodos de previsão | pt_BR |
dc.subject | Otimização multiobjetivo | pt_BR |
dc.subject | Critérios de Jolliffe | pt_BR |
dc.subject | Séries temporais | pt_BR |
dc.subject | Gás natural | pt_BR |
dc.subject | Arranjos de misturas | pt_BR |
dc.title | Combinação ótima de métodos de previsão segundo o critério Payoff-Jolliffe fatorial: uma abordagem multivariada para a estimação de demanda de gás natural | pt_BR |
dc.type | Tese | pt_BR |
dc.date.available | 2021-10-14 | - |
dc.date.available | 2021-10-14T19:18:49Z | - |
dc.date.accessioned | 2021-10-14T19:18:49Z | - |
dc.creator.Lattes | http://lattes.cnpq.br/2131654065634576 | pt_BR |
dc.contributor.advisor1 | PAIVA, Anderson Paulo de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4728106898297335 | pt_BR |
dc.description.resumo | Este trabalho apresenta um método de otimização multiobjetivo não-linear para definir pesos ótimos para a combinação de métodos de previsões de séries temporais usadas para a estimação de demanda anual de gás natural. A abordagem de alocação de pesos emprega um arranjo de experimentos de misturas para modelar a relação entre diversas métricas de desempenho de previsão e os pesos atribuídos aos resíduos de previsão dos métodos de séries temporais individuais escolhidos para formar a combinação. Nesta pesquisa, foram considerados os métodos de Alisamento Exponencial Duplo (DES) e os de Holt-Winters aditivo (WA) e multiplicativo (WM). As diversas métricas de desempenho relacionadas à localização, à dispersão e à diversidade foram modeladas por polinômios canônicos de misturas e, posteriormente, otimizadas individualmente, formando uma matriz Payoff das soluções individuais. Estas foram, então, agrupadas de acordo com a mínima distância entre os pontos de ótimo e os critérios de Jolliffe, definidos segundo uma análise de componentes principais (PCA) e aplicados a cada grupo identificado para uma primeira seleção das métricas nãoredundantes (Critérios Payoff-Jolliffe). Às métricas remanescentes aplicou-se uma análise fatorial (FA) com extração por componentes principais e rotação varimax, armazenando-se os escores rotacionados dos fatores obtidos. Após a modelagem desses escores pela mesma classe de polinômio canônicos de misturas, aplicou-se o método de otimização NBI (Normal Boundary Intersection), modificado pela adição de uma classe de restrições elípticas auxiliares. Para se verificar a razoabilidade da tratativa, confrontou-se o conjunto de resultados obtidos com aqueles proporcionados pelos melhores métodos individuais de previsão, por métodos de combinação tradicionais, pelo método FA-NBI e suas variantes obtidas segundo a aplicação das 3 regras de Jolliffe. Comparando-se, também, os resultados da aplicação de todos os métodos a um conjunto de teste não utilizado nas etapas de modelagem e de otimização (out-of-sample), constatou-se uma destacada eficiência do método proposto nesta tese em relação aos demais. Embora os resultados obtidos circunscrevam-se apenas à série estudada, sua adequabilidade pressupõe que quaisquer outros tipos de séries temporais ou combinações de métodos poderiam experimentar melhorias significativas similares quanto à assertividade das previsões geradas. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | IEPG - Instituto de Engenharia de Produção e Gestão | pt_BR |
dc.publisher.program | Programa de Pós-Graduação: Doutorado - Engenharia de Produção | pt_BR |
dc.publisher.initials | UNIFEI | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO | pt_BR |
dc.relation.references | MELLO, Luiz Gustavo de. Combinação ótima de métodos de previsão segundo o critério Payoff-Jolliffe fatorial: uma abordagem multivariada para a estimação de demanda de gás natural. 2021. 125 f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2021. | pt_BR |
Aparece nas coleções: | Teses |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese_2021045.pdf | 2,76 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.