Submitted by Julio Cesar de Azevedo Vieira (julio_vieira@globo.com) on 2018-06-16T14:57:18Z No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1988173 bytes, checksum: 55cb349d2840d5de748cbd814f155bb9 (MD5) / Rejected by Marcia Bacha (marcia.bacha@fgv.br), reason: O aluno irá submeter com o novo PDF on 2018-06-19T14:38:11Z (GMT) / Submitted by Julio Cesar de Azevedo Vieira (julio_vieira@globo.com) on 2018-06-26T21:10:08Z No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2018-07-05T13:19:09Z (GMT) No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) / Made available in DSpace on 2018-07-16T19:25:05Z (GMT). No. of bitstreams: 1 dissertacao_JulioCesarVieira.pdf: 1801751 bytes, checksum: 382cab03be50d392c166a61e21222c05 (MD5) Previous issue date: 2018-04-17 / Dengue é uma doença infecciosa que afeta países subtropicais. Autoridades de saúde locais utilizam informações sobre o número de notificações para monitorar e prever epidemias. Este trabalho foca na modelagem do número de casos de dengue semanal em quatro cidades do estado do Rio de Janeiro: Rio de Janeiro, São Gonçalo, Campos dos Goytacazes, e Petrópolis. Modelos de séries temporais são frequentemente utilizados para prever o número de casos de dengue nos próximos ciclos (semanas ou meses), particularmente, modelos SARIMA (Modelo Sazonal Autorregressivo Integrado de Médias Móveis) apresentam uma boa performance em situações distintas. Modelagens alternativas ainda incluem informação sobre o clima da região para melhorar a performance preditiva. Apesar disso, modelos que usam apenas dados históricos e de clima podem não possuir informações suficientes para capturar mudanças entre os regimes de não-epidemia e epidemia. Duas razões para isso são o atraso na notificação dos casos e que possivelmente não houveram epidemias nos anos anteriores. Baseando-se no sistema de monitoramento InfoDengue, esperasse que incluindo dados sobre ”numero de reprodução efetiva dos mosquitos”(RT) e ”número de tweets se referindo a dengue”(tweets) possam melhorar a qualidade das previsões no curto (1 semana) e longo (8 semanas) prazo. Foi possível mostrar que modelos de séries temporais incluindo RT e informações climáticas frequentemente performam melhor do que o modelo SARIMA em termos do erro preditivo quadrático médio (RMSE). Incluir a variável sobre o twitter não mostrou uma melhora no RMSE. / Dengue fever is an infectious disease affecting subtropical countries. Local health departments use the number of notified cases to monitor and predict epidemics. This work focus on modeling weekly incidence of dengue fever in four cities of the state of Rio de Janeiro: Rio de Janeiro, São Gonçalo, Campos dos Goytacazes, and Petrópolis. Time series models are often used to predict the number of cases in the next cycles (weeks, months), in particular, SARIMA (Seazonal Auto-Regressive Integrated Moving Average) models are shown to perform well in distinct settings. Alternative models also include climate covariates to improve the quality of the forecasts. However, models that only use historical and climate data may no have sufficient information to capture changes from non-epidemic to an epidemic regime. Two reasons are that there is a delay in the notification of cases and there might not have had epidemics in the previous years. Based on the INFODENGUE monitoring system we argue data including the "effective reproduction number of mosquitoes" (RT) and "number tweets referring to dengue" (tweets) may improve the quality of forecasts in the short (1 week) to long (8 weeks) range. We show that time series models including RT and climate information often outperform SARIMA models in terms of mean squared predictive error (RMSE). Inclusion of twitter did not improve the RMSE.

Mercado Preditivo (MP) é uma ferramenta que utiliza o mecanismo de preço de mercado para agregar informações dispersas em um grande grupo de pessoas, visando à geração de previsões sobre assuntos de interesse. Trata-se de um método de baixo custo, capaz de gerar previsões de forma contínua e que não exige amostras probabilísticas. Há diversas aplicações para esses mercados, sendo que uma das principais é o prognóstico de resultados eleitorais. Este estudo analisou evidências empíricas da eficácia de um Mercado Preditivo no Brasil, criado para fazer previsões sobre os resultados das eleições gerais do ano de 2014, sobre indicadores econômicos e sobre os resultados de jogos do Campeonato Brasileiro de futebol. A pesquisa teve dois grandes objetivos: i) desenvolver e avaliar o desempenho de um MP no contexto brasileiro, comparando suas previsões em relação a métodos alternativos; ii) explicar o que motiva as pessoas a participarem do MP, especialmente quando há pouca ou nenhuma interação entre os participantes e quando as transações são realizadas com uma moeda virtual. O estudo foi viabilizado por meio da criação da Bolsa de Previsões (BPrev), um MP online que funcionou por 61 dias, entre setembro e novembro de 2014, e que esteve aberto à participação de qualquer usuário da Internet no Brasil. Os 147 participantes registrados na BPrev efetuaram um total de 1.612 transações, sendo 760 no tema eleições, 270 em economia e 582 em futebol. Também foram utilizados dois questionários online para coletar dados demográficos e percepções dos usuários. O primeiro foi aplicado aos potenciais participantes antes do lançamento da BPrev (302 respostas válidas) e o segundo foi aplicado apenas aos usuários registrados, após dois meses de experiência de uso da ferramenta (71 respostas válidas). Com relação ao primeiro objetivo, os resultados sugerem que Mercados Preditivos são viáveis no contexto brasileiro. No tema eleições, o erro absoluto médio das previsões do MP na véspera do pleito foi de 3,33 pontos percentuais, enquanto o das pesquisas de opinião foi de 3,31. Considerando todo o período em que o MP esteve em operação, o desempenho dos dois métodos também foi parecido (erro absoluto médio de 4,20 pontos percentuais para o MP e de 4,09 para as pesquisas). Constatou-se também que os preços dos contratos não são um simples reflexo dos resultados das pesquisas, o que indica que o mercado é capaz de agregar informações de diferentes fontes. Há potencial para o uso de MPs em eleições brasileiras, principalmente como complemento às metodologias de previsão mais tradicionais. Todavia, algumas limitações da ferramenta e possíveis restrições legais podem dificultar sua adoção. No tema economia, os erros foram ligeiramente maiores do que os obtidos com métodos alternativos. Logo, um MP aberto ao público geral, como foi o caso da BPrev, mostrou-se mais indicado para previsões eleitorais do que para previsões econômicas. Já no tema futebol, as previsões do MP foram melhores do que o critério do acaso, mas não houve diferença significante em relação a outro método de previsão baseado na análise estatística de dados históricos. No que diz respeito ao segundo objetivo, a análise da participação no MP aponta que motivações intrínsecas são mais importantes para explicar o uso do que motivações extrínsecas. Em ordem decrescente de relevância, os principais fatores que influenciam a adoção inicial da ferramenta são: prazer percebido, aprendizado percebido, utilidade percebida, interesse pelo tema das previsões, facilidade de uso percebida, altruísmo percebido e recompensa percebida. Os indivíduos com melhor desempenho no mercado são mais propensos a continuar participando. Isso sugere que, com o passar do tempo, o nível médio de habilidade dos participantes tende a crescer, tornando as previsões do MP cada vez melhores. Os resultados também indicam que a prática de incluir questões de entretenimento para incentivar a participação em outros temas é pouco eficaz. Diante de todas as conclusões, o MP revelou-se como potencial técnica de previsão em variados campos de investigação. / Prediction Market (PM) is a tool which uses the market price mechanism to aggregate information scattered in a large group of people, aiming at generating predictions about matters of interest. It is a low cost method, able to generate forecasts continuously and it does not require random samples. There are several applications for these markets and one of the main ones is the prognosis of election outcomes. This study analyzed empirical evidences on the effectiveness of Prediction Markets in Brazil, regarding forecasts about the outcomes of the general elections in the year of 2014, about economic indicators and about the results of the Brazilian Championship soccer games. The research had two main purposes: i) to develop and evaluate the performance of PMs in the Brazilian context, comparing their predictions to the alternative methods; ii) to explain what motivates people´s participation in PMs, especially when there is little or no interaction among participants and when the trades are made with a virtual currency (play-money). The study was made feasible by means of the creation of a prediction exchange named Bolsa de Previsões (BPrev), an online marketplace which operated for 61 days, from September to November, 2014, being open to the participation of any Brazilian Internet user. The 147 participants enrolled in BPrev made a total of 1,612 trades, with 760 on the election markets, 270 on economy and 582 on soccer. Two online surveys were also used to collect demographic data and users´ perceptions. The first one was applied to potential participants before BPrev launching (302 valid answers) and the second was applied only to the registered users after two-month experience in tool using (71 valid answers). Regarding the first purpose, the results suggest Prediction Markets to be feasible in the Brazilian context. On the election markets, the mean absolute error of PM predictions on the eve of the elections was of 3.33 percentage points whereas the one of the polls was of 3.31. Considering the whole period in which BPrev was running, the performance of both methods was also similar (PM mean absolute error of 4.20 percentage points and poll´s 4.09). Contract prices were also found as not being a simple reflection of poll results, indicating that the market is capable to aggregate information from different sources. There is scope for the use of PMs in Brazilian elections, mainly as a complement of the most traditional forecasting methodologies. Nevertheless, some tool limitations and legal restrictions may hinder their adoption. On markets about economic indicators, the errors were slightly higher than those obtained by alternative methods. Therefore, a PM open to general public, as in the case of BPrev, showed as being more suitable to electoral predictions than to economic ones. Yet, on soccer markets, PM predictions were better than the criterion of chance although there had not been significant difference in relation to other forecasting method based on the statistical analysis of historical data. As far as the second purpose is concerned, the analysis of people´s participation in PMs points out intrinsic motivations being more important in explaining their use than extrinsic motivations. In relevance descending order, the principal factors that influenced tool´s initial adoption are: perceived enjoyment, perceived learning, perceived usefulness, interest in the theme of predictions, perceived ease of use, perceived altruism and perceived reward. Individuals with better performance in the market are more inclined to continue participating. This suggests that, over time, participants´ average skill level tends to increase, making PM forecasts better and better. Results also indicate that the practice of creating entertainment markets to encourage participation in other subjects is ineffective. Ratifying all the conclusions, PM showed as being a prediction potential technique in a variety of research fields.

Orientador: Galeno José da Silva / Coorientador: Luiz Fernando de Mattos / Banca: José Roberto Dale Luche / Banca: Nelson Jesuz Ferreira / Resumo : As previsões de descargas elétricas atmosféricas constituem um desafio na fisica e ciências afins. Campanhas de pesquisas em campo e instalação de redes de sensores têm formado um histórico de observações com um ótimo grau de precisão destes eventos. Apesar da grande quantidade de dados gerados, não se observam muitas publicações sobre modelagem de queda de raios nas torres de linhas de transmissão de energia elétrica. Neste trabalho, busca-se começar a preencher esta lacuna com um estudo para obtenção de um índice potencial de impacto de raios em torres de linhas de transmissão de energia elétrica. Um experimento fatorial completo combinado com as saídas de modelos regionais de previsão de tempo foi utilizado na busca deste índice. Os resultados, apesar da descoberta de poderem ser usados no diagnóstico e previsão de tornados, não foram ainda conclusivos para os objetivos deste trabalho. A ampliação na quantidade das amostragens, a realização de mais experimentos e novas pesquisas podem contribuir para a melhoria do índice potencial de impacto de raios em torres de linhas de transmissão de energia elétrica, já que esta técnica mostrou potencial para auxiliar as pesquisas na modelagem deste fenômeno / Abstract: The forecast of atmospheric electrical discharges is a challenge in Physics and related Sciences. It is known that field campaigns and installation of the sensor network have shown great precision degree by the historical of the observation. Despite having large amount of data, we have had many scientific papers on modeling of lightning towers in electric transmission lines. This work aims to do a study for obtaining a Potential Index of Impacts Lightning in Electric Transmission Lines. In order to get this Index, an accurate factorial experiment was combined with regional forecast models output. As a result, although the discovery can be used for diagnosis and tornadoes forecasting, its has not been concluded by this work target yet. Having shown the technique can help the modeling research, an expansion of sample as well as new experiment and news research can contribute more for Index improvement / Mestre

O objetivo geral desta pesquisa é explorar a possibilidade de usar uma metodologia capaz de identificar padrões de relacionamento úteis na previsão de vendas individual no varejo, com o uso do processo de mineração de dados. Essas previsões devem abordar grande parte das decisões de curto prazo enfrentadas no cotidiano do gestor da loja, num nível aprofundado – detalhado quanto a produtos – de decisões. O objetivo é explorar um modelo de previsão de demanda para os produtos visando identificar um composto de marketing adequado (preços, produtos e promoções).

O objetivo deste trabalho é comparar o desempenho de modelos de estoque em uma grande diversidade de situações de demanda e custos. Os modelos de estoque comparados são os tradicionais Reposição do Máximo, Reposição da Base e Lote Fixo, com políticas de revisões periódicas e contínuas, e um modelo derivado da lógica dos sistemas Material Requirements Planning (MRP), aqui denominado Cálculo de Necessidades, que utiliza previsões de demanda para o dimensionamento dos pedidos de reposição de estoque. As séries temporais de demanda, por seu lado, são geradas a partir de tendências e sazonalidades definidas, sobre as quais se acrescenta o componente irregular aleatório. Numa primeira etapa, simulação e busca em vizinhança são utilizadas na seleção do melhor modelo de previsão de demanda, a cada série temporal, para gerar as previsões do modelo Cálculo de Necessidades. Suavização Exponencial Simples, o Método Linear de Holt, Suavização Exponencial Simples com Sazonalidade e o Método de Tendência e Sazonalidade de Holt-Winters são os modelos de previsão utilizados nesta seleção. Numa segunda etapa, simulação e busca em vizinhança são também utilizadas para a otimização dos parâmetros dos sete modelos de estoque para cada série temporal. A soma dos custos médios de Pedido, de Armazenagem e de Falta é utilizada como variável de medição do desempenho dos modelos. Os resultados mostram um desempenho superior do modelo de Cálculo de Necessidades, em quase todos os ambientes testados, secundado pelo modelo contínuo de Reposição do Máximo. Mostram, ainda, um desempenho fraco do modelo contínuo de Reposição da Base, fundamento do conhecido modelo kanban, o que contraria sua forte recomendação como modelo robusto. Este trabalho tem como principal contribuição a evidência da superioridade do modelo de Cálculo de Necessidades sobre os modelos tradicionais nas condições da pesquisa efetuada. / The objective of this study is to compare the performance of inventory models in a large range of costs and demand environments. The compared models are the traditional periodic and continuous Up to Maximum Inventory Level, Base Stock and Fixed Lot Size, and another model, based on the Material Requirements Planning (MRP) logic and here referred to as Requirements Planning, which uses demand forecast to quantify the acquisition decisions. In the first step, simulation and neighborhood search are used to select the best of 4 forecasting models, which generates the forecasts to the Requirements Planning model. Single Exponential Smoothing, Holt\'s linear method, Single Exponential Smoothing with seasonality, and Holt-Winters\' trend & seasonality method are these 4 models. In the second step, simulation and neighborhood search are used again to optimize the inventory models parameters. The items\' demand time series are based on trends and seasonality defined arbitrarily plus the addition of a irregular random component. The period average Purchase, holding, shortage and total costs are calculated and the models are ranked, based on the total cost criterion. The results show the superior performance of the Requirements Planning model in practically all tested conditions, with the continuous Up to Maximum Inventory Level in a secondary position. The results show, too, the poor performance of the continuous Base Stock model, base of the Kanban system, in opposition to its actual hard recommendation as robust model. This study has, as major contribution, the evidence of the Requirements Planning model superior performance compared with the traditional inventory models.

A complexidade inerente ao processo de produção de energia apresenta um desafio aos especialistas quando estes se deparam com o dimensionamento e operação de sistemas de recursos hídricos. A produção energética de um sistema hidroelétrico depende fundamentalmente das séries de vazões afluentes às diversas usinas hidrelétricas do sistema. No entanto, a incerteza das vazões futuras e sua aleatoriedade são obstáculos que dificultam todo o planejamento da operação do sistema energético brasileiro. A inexistência de um software específico para análise de séries de vazões ocorridas nas usinas hidrelétricas, associada à importância desse tipo de dado no contexto energético, motivou a concepção de uma ferramenta gráafica para visualização e previsão desses dados. Acredita-se que a visualização desses dados por meio de representações apropriadas e altamente interativas possa promover hipóteses e revelar novas informações dos fenômenos associados a essas quantidades, melhorando a qualidade das decisões de planejamento do sistema energético. Este trabalho de mestrado apresenta em detalhes o sistema desenvolvido, chamado Power Map Explorer, e das técnicas nele implementadas / The complexity inherent to the process of energy production introduces a challenge to the experts when they are faced with dimension and operation of water resources systems. The energy production of a hidroeletric system depends on streamflow time series from hydroelectric plants located on different rivers of the system. However, the uncertainty and randomness of future streamflow series impose difficulties to the planning and operation of the brazilian energy system. The lack of a software suite to support the analysis of inflow series from hydroelectric plants, and the importance of this data in the energy context motivated the conception and implementation of a graphical tool to visualize and forecast this type data. The appropriate level of visualization and interaction with this type of data can spring new hypotheses and reveal new information, leading to performance improvement of the task of energetic planning. This work presents a software for visualization and forecast of inflow data series, the Power Map Explorer, in detail

A pesquisa analisa as fórmulas adotadas pelo Guia de Projeto de Pavimentos da AASHTO, que consiste no método de projeto mais utilizado em todo o mundo, em termos da sua relevância e confiabilidade em prever o desempenho real que os pavimentos apresentam em serviço. Para tanto, faz-se uso da base de dados DataPave 2.0 da pesquisa FHWA-LTPP, considerando apenas as seções de pavimentos situadas em áreas não sujeitas ao congelamento do solo de subleito, a fim de tornar o processo mais aplicável a condições climáticas existentes no Brasil. Os resultados obtidos mostraram que há sérias deficiências nos modelos da AASHTO quando se traduz suas previsões de perda gradual de serventia dos pavimentos em termos de crescimento gradual da irregularidade longitudinal. A comparação de suas previsões com o desempenho real das seções experimentais permitiu, contudo a obtenção de funções de transferência potencialmente capazes de representar uma calibração do ensaio acelerado da AASHO Road Test para condições existentes em rodovias em serviço.

Com foco na segurança de voo e operacional é realizado um diagnóstico dos eventos de nevoeiro e a construção de um modelo estatístico de regressão linear de vigilância e previsão, tipo tendência, para os aeródromos internacionais do Rio de Janeiro-Galeão-SBGL Maestro Antônio Carlos Jobim e de São Paulo-Guarulhos-SBGR Governador André Franco Montoro, de junho a setembro de 2003 a 2012. Nesses meses serão realizados a Copa do Mundo de Futebol-2014, cujo movimento anual previsto de passageiros e aeronaves poderá ser, respectivamente, de 27milhões/200mil a 45milhões/370mil; enquanto nas Olimpíadas e Paraolimpíadas-2016, respectivamente, de 31milhões/230mil a 55milhões/420mil. É provável que esse movimento ocasione uma carga adicional de trabalho aos operadores e provedores de serviços, a infraestrutura aeroportuária e de navegação aérea, para manter a segurança de voo e operacional dos aeródromos e a operação do sistema de aviação civil do Brasil. Num cenário de teto e visibilidade horizontal abaixo dos mínimos meteorológicos poderá haver restrição na operação desses aeródromos, com impactos no Centro de Gerenciamento de Navegação Aérea-CGNA, nas torres de controle-TWR e nos Centro de Operação Aeroportuária-COA. É relevante que os Centros Meteorológicos de Aeródromo Classe I do SBGL e SBGR, operados pela Empresa Brasileira de Infraestrutura Aeroportuária-INFRAERO, disponham de um auxílio na vigilância e previsão. Foi realizada a análise Estatística das variáveis meteorológicas, temperatura do ar (T), pressão atmosférica (P), direção e velocidade do vento horizontal (Vh), extraídas de informações METAR-SPECI da Rede de Meteorologia do Comando da Aeronáutica-REDEMET, da base de dados histórica de dez anos dos eventos de nevoeiro que ocasionaram restrição operacional no SBGL e SBGR. Os dados das variáveis foram trabalhados mediante o uso de planilha EXCEL resultando: no SBGL (T) variou de 15C a 23C, (P) de 1014hPa a 1026hPa e predomina o nevoeiro do tipo radiação seguido por advecção, enquanto no SBGR (T) variou de 5C a 19C, (P) variou de 1011hPa a 1031hPa e predomina nevoeiro do tipo advecção. Os horários de formação, duração e predominância do nevoeiro é das 07:00 até 12:00UTC. A resposta do modelo de regressão linear (R2) foi: em junho-julho no SBGL o modelo é adequado para direção (85%) e velocidade do vento horizontal (98%), no SBGR o modelo é satisfatório para (T) (62%) e satisfatório para velocidade do vento horizontal (57%). Em agosto-setembro no SBGL o modelo é adequado para (P) (93%), satisfatório (T) (59%) e direção do vento horizontal (59%); enquanto no SBGR é satisfatório para (T) (61%), para se vigiar e prever, mediante tendência, a ocorrência do nevoeiro no SBGL e SBGR com 72h, 48h e 24h de antecedência.

O mercado de jogos eletrônicos online tem crescido em ritmo acelerado nos últimos anos, particularmente a partir do surgimento do modelo de negócio baseado em serviços. Como consequência, as publicadoras destes jogos passaram a compartilhar problemas comuns na área de serviços, como a erosão do lucro causada pela evasão de usuários. Modelos preditivos têm sido utilizados no combate à evasão em mercados como os de telefonia móvel e de cartões de crédito, setores que detêm um grande volume de informações demográficas e econômicas a respeito dos seus consumidores. Já os publicadores de jogos muitas vezes só possuem o endereço eletrônico dos jogadores. O objetivo deste trabalho é propor um modelo de previsão de evasão com base exclusivamente nos padrões de acesso de usuários em jogos online, onde estes registros temporais são submetidos a um conjunto de operadores que analisam os dados no domínio do plano tempo-frequência, utilizando a Transformada Discreta de Wavelet. Sua principal contribuição está na proposta de parametrização dos dados de entrada para classificadores probabilísticos baseados no algoritmo k-Nearest Neighbors. Testados com dados reais de acessos de usuários ao longo de alguns meses em um jogo online, os classificadores foram avaliados com o uso de curvas ROC (Receiver Operating Characteristic) e de elevação. A abordagem proposta nesta tese, baseada na análise no domínio do plano tempo-frequência, apresentou resultados satisfatórios. Não apenas superiores se comparados com as abordagens no domínio do tempo ou da frequência, mas também comparáveis aos desempenhos encontrados por modelos com centenas de variáveis preditivas utilizados em outros mercados. / The online gaming market has rapidly grown in recent years, particularly since the rise of the service-based business model. As a result, the publishers of these games have started to share usual problems from the services business, like the profit erosion caused by customer churn. Predictive models have been used to address the churn problem in the mobile phones and credit cards markets, where companies have a huge volume of demographic and economic data about their customers. While game publishers often have only their users email addresses. The goal of this study is to propose a model for churn prediction based solely on the online games users access patterns, where these time entries are fed into a set of operators that are able to analyze the data in the time-frequency plane domain, using the Discrete Wavelet Transform. Its main contribution is the input data parameterization proposed for the probabilistic classifiers based on the k-Nearest Neighbors algorithm. Tested with real data from an online game users access over a few months, the classifiers were evaluated using ROC (Receiver Operating Characteristic) and lift curves. The approach proposed in this thesis, based on the analysis of the time-frequency plane domain, has shown satisfactory results. Not only higher when compared with approaches based on both time or frequency domains, but also comparable to performances found on models with hundreds of predictive variables used in other markets.

O turismo entrou em um período de forte expansão após a Segunda Guerra Mundial que perdura até os dias atuais. O aumento da circulação de turistas repercute na geração de renda e empregos para os países visitados, além do enriquecimento adquirido através das trocas culturais. Este crescimento tem despertado o interesse da comunidade científica, bem como profissional, com o intuito de explorar as metodologias para a modelagem e previsão da demanda turística. Estimativas acuradas da demanda servem de apoio para corretas tomadas de decisão por parte dos gestores quanto ao dimensionamento adequado de recursos financeiros, especialmente frente à realização de um evento de grandes proporções. Neste sentido, este trabalho tem por objetivos verificar quais são as técnicas atualmente mais utilizadas para previsão de demandas turísticas através de revisão da literatura, desde 2005 até 2015; utilizar dois métodos de modelagem (ARIMA e RNA) para modelar e prever a demanda turística de duas sedes olímpicas recentes; comparar essas previsões com as previsões obtidas por cinco métodos de combinação de previsões (médias aritmética, harmônica e geométrica, variância mínima e regressão linear) e; aplicar o método mais acurado para prever a demanda turística do Brasil. Os resultados foram avaliados através de três medidas de acurácia. Em virtude da realização dos Jogos Olímpicos em 2016, a demanda brasileira para este período foi modelada e prevista e a previsão foi ajustada segundo um ajuste matemático sazonal, objetivando ganho de acurácia. Foi observado ganho de acurácia quando as previsões foram combinadas e, na série brasileira, o ajuste adotado indicou um acréscimo de 175% na demanda original para agosto de 2016. / Tourism has experienced a strong increase since the end of World War II. The increase in tourist circulation results in income and employment expansion, besides the cultural enrichment involved in such experiences. This growth has attracted attention from the scientific community as well as professional, with the objective of exploring the methodologies for tourism demand modelling and forecasts. Accurate demand estimates serve as support for correct decision making by managers especially considering financial resource scaling for major events. In this sense, this study aims to verify which techniques are more currently used for forecasting tourism demand through review of the literature from 2005 to 2015; using two modeling methods (ARIMA and ANN) to make models and forecasting the tourism demand of two recent Olympic hosts; comparing these forecasts with the forecasts obtained for five methods of combining forecasts (arithmetic, harmonic and geometric means, minimum variance and linear regression) and; applying the most accurated method to forecast the tourism demand in Brazil. The results were evaluated using three different accuracy measurements. By virtue of the 2016 Olympic Games, the Brazilian tourism demand was modeled and the forecast was adjusted by a seasonal mathematical adjustment, designed for better precision. A gain in preciseness was observed when forecasts were combined and, for the Brazilian series, the adopted adjustment indicated an increase of 175% when compared with the original demand for August 2016.