Algoritmos genéticos e redes neuronais na previsão de séries temporais

Abstract

Hoje em dia assiste-se a uma mundialização da economia, originando um acréscimo da concorrência entre as organizações. Assim, é natural assumir que as organizações estão interessadas em obter previsões fundamentadas de certos tipos de indicadores, especialmente acerca daqueles que possam influenciar a tomada de decisões. Uma das formas reside na Previsão de Séries Tem poreis (PST), baseada nas observações anteriores da variável a prever. Os métodos convencionais de PST criam os seus modelos com base em componentes da série temporal, corno a tendência ou a sazonalidade. Este tipo de abordagem é aplicável a séries bem comportadas, mas falha quando estas apresentam ruído ou componentes não lineares. Nos últimos anos, os Algoritmos de Optimização, com base em processos de evolução natural das espécies, têm vindo a ser aplicados com sucesso em diferentes domínios. De entre estes, as Redes Neuroriais Artificiais (RNAs) e os Aigoritmos Genéticos (AGs) assumiram-se como umas das mais populares e importantes ferramentas. Assim, neste trabalho, pretende-se explorar o uso combinado de RNAs e AGs, como fundamentos de um sistema inteligente para a PST.

Nowadays one assists to a globalization of the world economy, with an in creasing competition between enterprises. Thus, it is natural to assume that organizations will be interested on obtaining well-grounded forecasts, specially for decision making. One way is to use Time Series Forecasting (TSF), forecast of a chronological ordered variable. Conventional TSF methods base their models on Time Series (TS components such as trend or seasonal effects. These methods give accurate forecasts on well behaved TS, but present some drawbacks on TS with noise or some unknown nonlinear relations among the TS data. In the last few years, Optimization Algorithms, based on natural evolutive processes, have been applied with success on wide areas. From all these, Artificial Neural Networks (ANNs) and Genetic Algorithms (GAs) have been assumed as ones of the most popular and important techniques. Thus, in this thesis, one will try to explore the combination of ANNs and GAs, in order to get intelligent systems for TSF.