11 |
[en] DIRECT EXPONENTIAL SMOOTHING METHOD INCORPORATING SEASONAL COMPONENT MODELLED BY HARRISON HARMONIC APPROACH / [pt] MÉTODO DE AMORTECIMENTO DIRETO COM TRATAMENTO DA SAZONALIDADE ATRAVÉS DO MÉTODO HARMÔNICO DE HARRISONJOSE MUNIZ DA COSTA VARGENS 18 January 2007 (has links)
[pt] Os métodos de amortecimento exponencial, apesar de
originalmente proposto nos anos 60, continuam em pleno uso
nos dias de hoje. Neste trabalho apresentamos um método
novo para previsão de séries temporais com ou sem
sazonalidade utilizando as teorias de amortecimento
exponencial e análise harmônica. Assume-se que a série
seja composta por uma tendência secular (constante, linear
ou quadrática) e seus parâmetros são atualizados
seqüencialmente pelo procedimento de amortecimento direto.
Já a parte sazonal é tratada separadamente através da
técnica de análise harmônica, conforme sugerida por
Harrison, 1964. Dessa forma, o método proposto se
apresenta como uma alternativa ao método de Souza &
Epprecht, (1983) ; tendo como principal vantagem a rotina
de estimação inicial dos parâmetros que no método de Souza
& Epprecht produz estimadores tendenciosos em alguns casos. / [en] The method of exponential smoothing, although originally
propesed during the 60´s, still continues in use up to
today. In this thesis we present a new forecasting method
for time series / with and/or without seasonality,
applying the theory of exponential smoothing and harmonic
analysis. It is assume that the series is composed of
secular trend (constant, linear or quadratic) and a
seasonal part. The trend parameters are sequentially using
direct smoothing procedure. The seasonal part of the
process is treated / separately through the technic of
harmonica analysis according to Harrison´s suggestion,
(1964).
In this way, the proposed method can be viewed as an
alternative to that of Souza & Epprecht, (1983), which
has, as the most important advantage, the routine of
initial estimation of the parameters, which in Souza &
Epprecht method produces, in some cases, biased
estimators.
|
12 |
[pt] INSERÇÃO DE VARIÁVEIS EXÓGENAS NO MODELO HOLT-WINTERS COM MÚLTIPLOS CICLOS PARA PREVISÃO DE DADOS DE ALTA FREQUÊNCIA OBSERVACIONAL DE DEMANDA DE ENERGIA ELÉTRICA / [en] INTRODUCE EXOGENOUS VARIABLES IN HOLT-WINTERS EXPONENTIAL SMOOTHING WITH MULTIPLE SEASONAL PATTERNS HIGH FREQUENCY ELECTRICITY DEMAND OBSERVATIONS05 November 2021 (has links)
[pt] O objetivo deste trabalho é inserir variáveis exógenas no modelo Holt-Winters com múltiplos ciclos, genuinamente univariado. Serão usados dados horários de demanda de energia elétrica provenientes de uma cidade da região sudeste do Brasil e dados de temperatura, tanto em sua forma primitiva quanto derivada, por exemplo, indicadores de dias quentes, o chamado cooling degree days (CDD). Com isso, pretende-se melhorar o poder preditivo do modelo, gerando previsões com maior acurácia. / [en] The aim of this thesis is to insert exogenous variables in the model Holt-Winters with multiple cycles, genuinely univariate. Hourly data will be used for electricity demand from a city in southeastern Brazil and temperature data, both in its original form as derived, for example, indicators of hot days, cooling degree
days called (CDD). With this, we intend to improve the predictive power of the model, generating predictions with greater accuracy.
|
13 |
[en] TECHNIQUES FOR DETECTION OF BIAS IN DEMAND FORECASTING: PERFORMANCE COMPARISON / [pt] TÉCNICAS PARA DETECÇÃO DE VIÉS EM PREVISÃO DE DEMANDA: COMPARAÇÃO DE DESEMPENHOSFELIPE SCHOEMER JARDIM 09 November 2021 (has links)
[pt] Em um mundo globalizado, em contínua transformação, são cada vez mais freqüentes mudanças no perfil da demanda. Se não detectadas rapidamente, elas podem gerar impactos negativos no progresso de um negócio devido à baixa qualidade nas previsões de venda, que começam a gerar valores sistematicamente acima ou abaixo da demanda real indicando a presença de viés. Para evitar esse cenário, técnicas formais para detecção de viés podem ser incorporadas ao processo de previsão de demanda. Diante desse quadro, a presente dissertação compara os desempenhos, via simulação, das principais técnicas formais de detecção de viés em previsão de demanda presentes na literatura. Nesse sentido, seis técnicas são identificadas e analisadas. Quatro são baseadas em estatísticas Tracking Signal e duas são adaptadas de técnicas de Controle Estatístico de Processos. Os modelos de previsão de demanda monitorados pelas técnicas em questão são os de séries temporais estruturadas, associados ao método de amortecimento exponencial simples e ao método de Holt, respectivamente, para séries com nível médio constante e séries com tendência. Três tipos de alterações no perfil da demanda – que acarretam em viés na previsão – são examinados. O primeiro consiste em mudanças no nível médio em séries temporais de nível médio constante. O segundo tipo também considera séries temporais de nível médio constante, porém com o foco em surgimentos de tendências. O terceiro viés consiste em mudanças na tendência em series temporais com tendência pré-incorporada. Entre os resultados obtidos, destaca-se a conclusão de que, para a maioria das situações estudadas, as técnicas baseadas nas estatísticas Tracking Signal possuem desempenho superior às demais técnicas com relação à eficiência na detecção de viés. / [en] In a globalized world, in continuous transformation, changes in the demand pattern are increasingly frequent. If not rapidly detected, they can have a negative and persistent impact in the wellbeing of a business due to continuously poor quality sales forecasts, which begin to generate values systematically above or below the actual demand indicating the presence of bias. To avoid this happening, statistical techniques can be incorporated in a prediction process with the objective known as bias detection in demand forecasting. Considering this situation, the present dissertation compares, through simulation, the efficiency performance of the main existing formal techniques of monitoring demand forecasting models, with the view of bias detection. Six of such techniques are identified and analyzed in this work. Four are based on Tracking Signal Statistics and two are adapted from the Statistical Process Control approach. The demand forecasting models monitored by the techniques in question can be classified as structured time series, for a constant level or trend pattern, and using both the simple exponential smoothing and the Holt s methods. Three types of changes in the demand pattern - which result in biased prediction - are examined. The first one focus on simulated changes on the average level of various constant times series. The second type also considered various constant times series, but now simulating the appearance of different trends. And the third refers to simulate changes in trends in various times series with pre-established trends. Among the results attained, one stands out: the techniques based on Tracking Signal Statistics - when compares to other methods - showed superior performance insofar as efficient bias detection in demand forecasting.
|
14 |
[en] INTERVENTION MODELS TO FORECAST MONTHLY DEMAND OF ELETRIC ENERGY, CONSIDERING THE RATIONING SCENERY / [pt] MODELOS DE INTERVENÇÃO PARA PREVISÃO MENSAL DE CONSUMO DE ENERGIA ELÉTRICA CONSIDERANDO CENÁRIOS PARA O RACIONAMENTOEVANDRO LUIZ MENDES 12 March 2003 (has links)
[pt] Nesta dissertação é desenvolvida uma metodologia para
previsão de demanda mensal de energia elétrica considerando
cenários de racionamento. A metodologia usada consiste em,
a partir das taxas de crescimento da série temporal,
identificar e eliminar os efeitos do racionamento de
energia elétrica através da aplicação de Modelos Lineares
Dinâmicos. São analisadas também estruturas de intervenção
nos modelos estatísticos de Box & Jenkins e Holt &
Winters. Os modelos são então comparados segundo alguns
critérios, basicamente no que tange à sua eficiência
preditiva. Conclui-se ao final sobre a eficiência da
metodologia proposta, dado a grande dificuldade para
solucionar o problema a partir dos modelos estatísticos de
Box & Jenkins e Holt & Winters. Esta solução é então
proposta como a mais viável para criar cenários de
racionamento e pósracionamento de energia para ser
utilizado por agentes do sistema elétrico nacional. / [en] In this dissertation, a methodology is developed to
forecast monthly demand of electric energy, considering the
rationing scenery. The methodology is based on, taking the
growth rate from the time series, identify and eliminate the
effects of electric energy rationing, using Dynamic Linear
Models. It is also analyzed intervention structures in the
statistics models of Box & Jenkins and Holt & Winters.
The models are compared according to some criterions,
mainly forecast accuracy. At the end, we concluded that the
methodology proposed is more efficient, due to the
difficult to solve the problem using the statistics models
with intervention. This solution is proposed as the best
among them to create scenery during the energy rationing
and after energy rationing, to be used by the national
electric system agents.
|
Page generated in 0.1218 seconds