Return to search

[pt] EXPLORANDO NOVOS MÉTODOS PARA REALIZAR BAGGING COM AMORTECIMENTO EXPONENCIAL / [en] EXPLORING NEW METHODS TO PERFORM BAGGING WITH EXPONENTIAL SMOOTHING

[pt] Métodos de amortecimento exponencial são formulações versáteis para
a previsão de séries temporais univariadas, desenvolvidas na década de 1960.
Modelos mais recentes têm feito uso do bagging para melhorar a qualidade das
previsões. Um destes, o BaggedETS, desenvolvido em 2016, trouxe melhorias
na qualidade de previsão e está disponível na biblioteca forecast para R. Uma
proposta posterior, BaggedClusterETS, adicionou uma etapa de clustering
e validação para tratar o efeito da covariância associada ao uso do bagging,
resultando em ganhos adicionais de performance. Este trabalho explora três
extensões dos métodos supracitados e seus efeitos: o primeiro estuda os efeitos
do maximum entropy bootstrap na realização do BaggedETS. O segundo
explora diferentes medidas de dissimilaridade para construir os clusters do
BaggedClusterETS. O terceiro emprega uma versão simplificada do BaggedClusterETS,
removendo as etapas de validação e seleção, empregando apenas os medóides para realizar o bagging. Para testar estas propostas, 21 séries temporais da aviação civil e demanda energética foram empregadas. / [en] Exponential smoothing methods are flexible procedures for univariate
time series forecasting, developed in the 1960 s. Most recent developments
based on these models use bagging to improve forecast quality. One of these
implementations, BaggedETS, developed in 2016, brought improvements in
forecast quality and is distributed through the forecast package for R. A posterior implementation, BaggedClusterETS, adds clustering and validation
steps to address the covariance effect associated with bagging. The proposal
resulted in further accuracy improvements. This work delves into three extensions
of the aforementioned methods: the first studies the effects of the maximum
entropy bootstrap on the BaggedETS. The second explores different
dissimilarity measures to construct the clusters in BaggedClusterETS. The
third studies a simplified version of BaggedClusterETS, where the validation
and selection steps are removed, and using only the medoids for bagging.
To test these proposals, 21 time series from civil aviation and energy consumption were used.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:50658
Date07 December 2020
CreatorsDAVID SOUZA PINTO
ContributorsFERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA
PublisherMAXWELL
Source SetsPUC Rio
LanguageEnglish
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0027 seconds