Título: Predição de Séries Temporais Caóticas baseada em Modelo ARMA via Algoritmo Adaptativo FVSS-NLMS
Autores: Rodrigo Noronha
Resumo:
Neste trabalho é utilizado o modelo ARMA (do inglês, AutoRegressive Moving Average) para a predição de séries temporais caóticas. A estimativa do vetor de pesos do modelo ARMA pode ser obtida através de um algoritmo de otimização baseado em gradiente descendente estocástico, de tal forma que o desempenho de predição de uma série temporal caótica realizada pelo modelo ARMA é influenciado pelo valor do tamanho de passo. Para isto, neste trabalho é proposta uma nova versão do algoritmo NLMS (do inglês, Normalized Least Mean Square) com o tamanho de passo adaptado por um MFIS (do inglês, Mamdani Fuzzy Inference System) para atualização da estimativa do vetor de pesos do modelo ARMA. O desempenho do modelo ARMA para a predição de séries temporais caóticas foi comparado com os resultados obtidos pelas versões tradicionais dos algoritmos LMS (do inglês, Least Mean Square) e NLMS.
Palavras-chave:
Modelo ARMA, NLMS, Séries Temporais, Sistemas Caóticos, Sistemas Fuzzy, Tamanho de Passo.
Páginas: 6
Código DOI: 10.21528/CBIC2021-152
Artigo em pdf: CBIC_2021_paper_152.pdf
Arquivo BibTeX: CBIC_2021_152.bib