[pt] A previsão de séries temporais está presente em diversas áreas como os
setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as
previsões são fundamentais para a tomada de decisões no curto, médio e longo
prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas
de previsão de séries, principalmente por apresentarem um maior grau de
interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto,
técnicas de inteligência computacional têm sido cada vez mais aplicadas em
previsão de séries temporais no meio acadêmico, com destaque para as Redes
Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os
casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são
do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de
previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida
pela dependência de criação de regras por especialistas e pela dificuldade em
ajustar os diversos parâmetros como o número e formato de conjuntos e o
tamanho da janela. Além disso, a falta de pessoas com o conhecimento
necessário para o desenvolvimento e utilização de modelos baseados nessas
técnicas também contribui para que estejam pouco presentes na rotina de
planejamento e tomada de decisão na maioria das organizações. Este trabalho
tem como objetivo desenvolver uma ferramenta computacional capaz de realizar
previsões de séries temporais, baseada na teoria de Sistemas de Inferência
Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos,
oferecendo uma interface gráfica intuitiva e amigável. / [en] The time series forecasting is present in several areas such as electrical,
financial, economy and industry. In all these areas, the forecasts are critical to
decision making in the short, medium and long term. Certainly, statistical
techniques are most often used in time series forecasting problems, mainly
because of a greater degree of interpretability, guaranteed by the mathematical
models generated. However, computational intelligence techniques have been
increasingly applied in time series forecasting in academic research, with
emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems
(FIS). There are many cases of successful application of ANNs, but the systems
developed are black box, not allowing a better understanding of the final
prediction. On the other hand the FIS are interpretable, but its application is
compromised by reliance on rule-making by experts and by the difficulty in
adjusting the various parameters as the number and shape of fuzzy sets and the
window size. Moreover, the lack of people with the knowledge necessary for the
development and use of models based on these techniques also restricts their
application in the routine planning and decision making in most organizations.
This work aims to develop a computational tool able to make forecasts of time
series, based on the theory of Fuzzy Inference Systems, in conjunction with the
optimization of parameters by Genetic Algorithms, providing an intuitive and
friendly graphical user interface.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:18536 |
| Date | 20 October 2011 |
| Creators | VICTOR BARBOZA BRITO |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds