DSpace Repository

Análise comparativa entre os métodos auto-regressivo, integrado de médias móveis e rede neural artificial para previsão de séries temporais.

Show simple item record

dc.contributor.author SAÚDE, Lara Moura Silva
dc.date.issued 2018-04
dc.identifier.citation SAÚDE, Lara Moura Silva. Análise comparativa entre os métodos auto-regressivo, integrado de médias móveis e rede neural artificial para previsão de séries temporais. 2018. 114 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2018. pt_BR
dc.identifier.uri https://repositorio.unifei.edu.br/jspui/handle/123456789/1357
dc.description.abstract Problemas de previsão estão presentes em diversas áreas do conhecimento e para explorá-los podem ser utilizadas diferentes metodologias. Este trabalho busca comparar a habilidade de previsão de duas destas técnicas: método auto-regressivo integrado de médias móveis (ARIMA) e redes neurais artificiais (RNA). A primeira pode ser considerada como técnica padrão e já é consagrada como ferramenta de auxílio na tomada de decisões. A segunda tem sido utilizada em profusão para problemas similares e apresenta-se como alternativa à previsão de séries temporais, pois assume menos restrições de uso, apesar de exigir uma simulação computacional mais complexa. Este estudo tem como objetivo realizar uma análise comparativa de 27 problemas sedimentados, descritos no livro Introduction to Time Series Analysis and Forecasting escrito por Montgomery, Jennings e Kulahci. Para tal análise, foi calculado o erro MAPE (Mean absolute percentage error) de cada metodologia para todos os casos, possibilitando a comparação dos modelos. Através de teste estatístico, pôde identificar que a rede neural artificial resulta em um menor erro estatístico, com 95% de confiança a rede neural apresenta um MAPE inferior ao ARIMA, solucionando o problema inicial da pesquisa. pt_BR
dc.language.iso pt_BR pt_BR
dc.title Análise comparativa entre os métodos auto-regressivo, integrado de médias móveis e rede neural artificial para previsão de séries temporais. pt_BR
dc.type Dissertação pt_BR
dc.place Itajubá pt_BR
dc.pages 114 p. pt_BR
dc.keywords.portuguese Previsão pt_BR
dc.keywords.portuguese Séries temporais pt_BR
dc.keywords.portuguese Redes Neurais Artificiais pt_BR
dc.keywords.portuguese ARIMA pt_BR
dc.keywords.portuguese MAPE pt_BR
dc.keywords.english Forecasting pt_BR
dc.keywords.english Time series pt_BR
dc.keywords.english Artificial neural network pt_BR
dc.orientador.principal BALESTRASSI, Pedro Paulo
dc.place.presentation Universidade Federal de Itajubá pt_BR
dc.pg.programa Engenharia de Produção pt_BR
dc.pg.area Qualidade e Produtos pt_BR
dc.date.available 2018-06-14T17:56:43Z
dc.date.accessioned 2018-06-14T17:56:43Z


Files in this item

This item appears in the following Collection(s)

Show simple item record