ESTRATÉGIAS PARA PREVISÃO DE SÉRIES TEMPORAIS COM CLUSTERIZAÇÃO DE DADOS, ANÁLISE INDEPENDENTE E SELEÇÃO AUTOMÁTICA DE PREVISORES / STRATEGIES FOR FORECASTING TIME SERIES WITH clustering DATA ANALYSIS AND INDEPENDENT SELECTION AUTOMATIC predictors

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

05/09/2011

RESUMO

Este trabalho busca apresentar um método para previsão de séries temporais que se utiliza da estratégia de dividir para conquistar na busca da minimização do erro na previsão. O algoritmo proposto realiza a seleção de exemplos através da clusterização dos dados via rede de Kohonen, com estratégias para aumentar a densidade dos dados. Para cada cluster, é gerada automaticamente, através de algoritmos genéticos, uma rede previsora MLP (considerando atributos de entrada, janela de tempo, topologia da rede e calibragem dos parâmetros) otimizada para aquela classe. Também foram definidos dois comitês de máquinas que aliam as informações de semelhança entre os padrões de entrada advindas da clusterização com a combinação de conhecimentos dos especialistas obtida através da essência do comitê de máquinas. Todas as estratégias apresentadas constituem o portfólio de estratégias de previsão do sistema que utiliza uma seleção automática de previsores, dotada de uma grade tridimensional dos desempenhos dos mesmos, para definir qual a melhor estratégia para realizar a previsão de cada padrão de entrada apresentado. A avaliação do algoritmo foi realizada em séries temporais econômicas onde foi possível notar que a seleção automática dos previsores, mesmo utilizando estratégias de previsão medianas se avaliadas em dados gerais, conseguiu uma baixa taxa de erro com pequena variação entre os resultados.

ASSUNTO(S)

comitê de máquinas. backpropagation clusterização séries temporais previsão ciencia da computacao clustering times series prediction backpropagation committee machines.

ACESSO AO ARTIGO

Documentos Relacionados